JP2005531853A - System and method for SNP genotype clustering - Google Patents
System and method for SNP genotype clustering Download PDFInfo
- Publication number
- JP2005531853A JP2005531853A JP2004518095A JP2004518095A JP2005531853A JP 2005531853 A JP2005531853 A JP 2005531853A JP 2004518095 A JP2004518095 A JP 2004518095A JP 2004518095 A JP2004518095 A JP 2004518095A JP 2005531853 A JP2005531853 A JP 2005531853A
- Authority
- JP
- Japan
- Prior art keywords
- data
- model
- cluster
- classification
- data points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 125
- 238000004458 analytical method Methods 0.000 claims description 77
- 108700028369 Alleles Proteins 0.000 claims description 60
- 238000007476 Maximum Likelihood Methods 0.000 claims description 31
- 239000000203 mixture Substances 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000001939 inductive effect Effects 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012952 Resampling Methods 0.000 claims description 8
- 239000002773 nucleotide Substances 0.000 claims description 6
- 125000003729 nucleotide group Chemical group 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims 2
- 238000013459 approach Methods 0.000 abstract description 33
- 238000003205 genotyping method Methods 0.000 abstract description 9
- 238000007619 statistical method Methods 0.000 abstract description 5
- 230000002068 genetic effect Effects 0.000 abstract description 4
- 239000000523 sample Substances 0.000 description 94
- 230000006870 function Effects 0.000 description 38
- 238000012545 processing Methods 0.000 description 14
- 239000003550 marker Substances 0.000 description 10
- 238000007405 data analysis Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000013499 data model Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 8
- 238000013179 statistical model Methods 0.000 description 7
- 239000000975 dye Substances 0.000 description 6
- 239000002131 composite material Substances 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000004138 cluster model Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000013068 control sample Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000001506 fluorescence spectroscopy Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000007894 restriction fragment length polymorphism technique Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108091092878 Microsatellite Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013476 bayesian approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005251 capillar electrophoresis Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/30—Unsupervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
クラスタリングアプローチを適用する遺伝情報および生物学的データを評価するためのシステムおよび方法であって、これは、対立遺伝子コーリングおよび遺伝子型分類のために使用され得る。サンプルデータの統計学的解析は、種々のレベルで実施され、個々のデータポイントと選択された遺伝子型分類クラスタとを関係付けるモデルを創り出し、コール信頼性の相対的な表示を提供する。これらの方法は、様々な状況における対立遺伝子コーリングのための統合されたフレームワークを提供し、そして、これらは、種々の同定方法から取得されたデータに対して適用され得る。A system and method for assessing genetic information and biological data applying a clustering approach, which can be used for allelic calling and genotyping. Statistical analysis of the sample data is performed at various levels to create models that relate individual data points to selected genotyping clusters and provide a relative representation of call reliability. These methods provide an integrated framework for allelic calling in various situations, and they can be applied to data obtained from various identification methods.
Description
(背景)
(分野)
本教示は、概して、遺伝解析の分野に関し、そして、より具体的には、データクラスタリングアプローチを使用する生物学的情報の解析のためのシステムおよび方法に関する。
(background)
(Field)
The present teachings generally relate to the field of genetic analysis, and more specifically to systems and methods for the analysis of biological information using a data clustering approach.
(関連技術の記載)
クラスタ解析は、データにおける相関およびパターンを同定するために頻繁に使用される解析パラダイムである。生物学的研究および遺伝学的研究の状況において、クラスタリングアプローチは、対立遺伝子分類および遺伝子配列バリエーション(挿入、欠失、制限酵素断片長多型(「RFLP」)、ショートタンデムリピート多型(STRP)、および一塩基多型(「SNP」)を含む)の解析の目的のために使用され得る。概して、クラスタリングアプローチは、選択したサンプルセットから、データポイントを他のデータポイントに関連付けることによってデータポイントを分類することを試みる。例えば、例示的なSNP解析において、蛍光プローブは、多数のサンプルに対する増幅産物の生成において使用され得る。サンプルの各々対する蛍光値が、定量化され、次いで、2次元グラフまたは散布図(スキャタープロット)上にセット全体の蛍光値をプロットすることによって互いの蛍光値に関して分類される。この様式でプロットされると、それらのデータが、遺伝子型にしたがって別個のグループ(群)へと集合する傾向があることが観察され得る。この情報を使用して、人間である観察者は、データの種々のグループ分けまたはクラスタを識別し得、そして、データが存在するクラスタにしたがって個々のデータポイントを分類して選択したサンプルについての遺伝子型を決定し得る。
(Description of related technology)
Cluster analysis is an analysis paradigm that is frequently used to identify correlations and patterns in data. In the context of biological and genetic research, the clustering approach is based on allelic classification and gene sequence variation (insertion, deletion, restriction fragment length polymorphism ("RFLP"), short tandem repeat polymorphism (STRP) , And single nucleotide polymorphisms (including “SNPs”) for analysis purposes. In general, the clustering approach attempts to classify data points from a selected set of samples by associating data points with other data points. For example, in an exemplary SNP analysis, fluorescent probes can be used in the generation of amplification products for a large number of samples. The fluorescence values for each of the samples are quantified and then classified with respect to each other's fluorescence values by plotting the entire set of fluorescence values on a two-dimensional graph or scatter plot (scatter plot). When plotted in this manner, it can be observed that the data tend to aggregate into distinct groups according to genotype. Using this information, human observers can identify various groupings or clusters of data, and classify individual data points according to the cluster in which the data resides and select genes for the selected sample. The type can be determined.
生物学的データのクラスタリング解析のための多くの従来型の方法を妨げている重大な制限のうちの1つは、サンプルセットのサイズが増大するにしたがって、ますます、そのクラスタリング解析が、解析を実施するために多大な時間と労力を費やすものとなることである。この問題は、実験のデータポイントが単一のクラスタと容易に関連づけられ得ず、そして、結果として、自動クラスタリングツールの開発が、それらのツールがこのようなデータポイントを解析することができないことに起因して著しく妨げられ得る場合に悪化する。これらの制限を克服するために、大規模なサンプルセットを解析するのに必要とされるレベルのスループットが可能な計算機解析のための、迅速で、信頼性が高く、そして、教師なし型(unsupervised)である方法を開発することが所望される。さらに、サンプルセット中の他のデータポイントに対して、その特徴があいまいであるかまたは特徴付けるのが困難であるデータポイントを分類し得る解析アプローチを提供することが所望される。 One of the critical limitations that hinders many conventional methods for biological data clustering analysis is that as the size of the sample set increases, the clustering analysis increasingly It takes a lot of time and effort to implement. The problem is that experimental data points cannot be easily associated with a single cluster, and as a result, the development of automated clustering tools makes them unable to analyze such data points. It worsens if it can be significantly hindered due to. To overcome these limitations, a fast, reliable, and unsupervised version for computer analysis that is capable of the level of throughput required to analyze large sample sets. It is desirable to develop a process that is). Furthermore, it is desirable to provide an analytical approach that can classify data points whose characteristics are ambiguous or difficult to characterize relative to other data points in the sample set.
(要旨)
種々の実施形態において、本教示は、クラスタに基づく解析に対して基礎となる統計学的モデルを開発することによって、対立遺伝子分類および遺伝子型分類を実行するためのシステムおよび方法を記載する。これらのクラスタに基づく解析に対して、データポイントの各々に関する誤った情報が、そのデータポイントが属する統計的に妥当なクラスタまたはクラスを決定するのに使用される。この統計学的モデルは、そのモデル自体と関連する確率、個々のデータポイント、およびそれらのデータポイントから形成されるクラスタに分解され得る複合解析を実装(インプリメント)する。概して、この対立遺伝子分類法は、生の入力値とは別にサンプルセットについて必要とされる知識が比較的少ない教師なし型の様式(例えば、必須のトレーニングデータがなんら必要でない場合)で作動し得る。
(Summary)
In various embodiments, the present teachings describe systems and methods for performing allelic and genotyping by developing an underlying statistical model for cluster-based analysis. For these cluster-based analyses, incorrect information about each data point is used to determine the statistically valid cluster or class to which that data point belongs. This statistical model implements a complex analysis that can be decomposed into probabilities associated with the model itself, individual data points, and clusters formed from those data points. In general, this allelic taxonomy can operate in an unsupervised fashion that requires relatively little knowledge about the sample set apart from raw input values (eg, when no essential training data is required) .
1つの局面において、本教示は、対立遺伝子分類のための方法を記載し、この方法は、以下の(a)〜(d)の工程を包含する:(a)複数のサンプルに関する強度情報を取得する工程であって、ここで、この強度情報は、第1の対立遺伝子と関連する第1の強度成分および第2の対立遺伝子と関連する第2の強度成分を含む、工程;(b)複数のサンプルの各々に対する強度情報を評価して1以上のデータクラスタを同定する工程であって、クラスタの各々は、該第1の強度成分を第2の強度成分に対して比較することによって、別個の対立遺伝子の組合せと関連付けられ、そして、部分的に決定される、工程;(c)選択されたサンプルが、その強度情報に基づいて特定のデータクラスタ中に存在する確率を予測する尤度モデルを生成する工程;および(d)上記の尤度モデルを上記の複数のサンプルに対して適用して、その関連する対立遺伝子構成を決定する工程。 In one aspect, the present teachings describe a method for allelic classification that includes the following steps (a)-(d): (a) obtaining intensity information for multiple samples Wherein the intensity information includes a first intensity component associated with the first allele and a second intensity component associated with the second allele; (b) a plurality Evaluating intensity information for each of a plurality of samples to identify one or more data clusters, each of the clusters being distinct by comparing the first intensity component to a second intensity component. And (c) a likelihood model that predicts the probability that a selected sample will be present in a particular data cluster based on its intensity information Generate Step; and (d) the likelihood model applied to a plurality of samples of said step of determining the alleles constituting its associated.
別の局面において、本発明の教示は、クラスタリング解析のための方法を記載し、この方法は、以下の(a)〜(d)の工程を包含する:(a)複数のデータポイントを含むサンプルセットを同定する工程であって、各々のデータポイントが第1の強度成分と第2の強度成分との間の関連を代表する角度値を有する、工程;(b)尤度モデルおよび関連するパラメータセットを生成する工程であって、ここで、そのデータポイントの角度値が、上記尤度モデルで使用される適切なパラメータを決定する際に使用され、そして、ここで、その尤度モデルの有効性が、その尤度モデルがそのデータセットにおいて選択されたデータポイントを適切に同定する確率を評価することによって評価される、工程;(c)その尤度モデルを該データセットにおける複数のデータポイントに適用して、そして該データポイントを別個のクラスタにグループ分けする工程;および(d)別個のクラスタの各々およびその成分データポイントと選択された分類とを関連付ける工程。 In another aspect, the teachings of the present invention describe a method for clustering analysis, which includes the following steps (a)-(d): (a) a sample comprising a plurality of data points Identifying a set, each data point having an angle value representative of the association between the first intensity component and the second intensity component; (b) a likelihood model and associated parameters Generating a set, wherein the angular value of the data point is used in determining the appropriate parameters to be used in the likelihood model, and where the likelihood model is valid Gender is evaluated by evaluating the probability that the likelihood model properly identifies the selected data point in the data set; (c) the likelihood model is determined for the data set; Okeru applied to a plurality of data points, and a step of grouping the data points to a separate cluster; step for associating the classification and selected each and its component data point and (d) a separate cluster.
なお別の局面において、本発明の教示は、対立遺伝子分類のための方法を記載し、この方法は、以下の(a)〜(d)の工程を包含する:(a)少なくとも2つの成分強度値を有する複数のデータポイントの各々を含むサンプルセットを同定する工程;(b)その複数のデータポイントに対する成分強度値を評価して、そのデータポイントを、別個の対立遺伝子分類を表す1以上のデータクラスタにグループ分けする工程;(c)その成分強度値を使用して選択されたデータポイントのグループ分けを記述する最尤関数を生成する工程;および(d)その最尤関数を使用してデータポイントの各々と対立遺伝子分類とを関連付ける工程。 In yet another aspect, the teachings of the present invention describe a method for allelic classification, which includes the following steps (a)-(d): (a) at least two component strengths Identifying a sample set comprising each of a plurality of data points having a value; (b) evaluating a component intensity value for the plurality of data points and representing the data points as one or more representing a distinct allelic classification Grouping into data clusters; (c) generating a maximum likelihood function describing the grouping of selected data points using the component intensity values; and (d) using the maximum likelihood function. Associating each of the data points with an allelic classification.
別の実施形態において、本発明の教示は、コンピュータ読み取り可能媒体を記載する。このコンピュータ読み取り可能媒体は、以下の工程:(a)複数のサンプルに関する実験情報を取得する工程であって、ここで、その実験情報は、第1の対立遺伝子と関連する第1のデータ成分および第2の対立遺伝子と関連する第2のデータ成分を含む、工程;(b)複数のサンプルの各々についての実験情報を評価して、1以上のデータクラスタを同定する工程であって、クラスタの各々は、第1のデータ成分を第2のデータ成分に対して比較することによって、別個の対立遺伝子の組合せと関連付けられ、そして、部分的に決定される、工程;(c)選択されたサンプルが、その実験情報に基づいて特定のデータクラスタ中に存在する確率を予測する尤度モデルを生成する工程;および(d)該尤度モデルを該複数のサンプルの各々に対して適用して、その関連する対立遺伝子構成を決定する工程を、汎用コンピュータに実施させる命令をその上に備えている。 In another embodiment, the present teachings describe a computer readable medium. The computer-readable medium comprises the following steps: (a) obtaining experimental information about a plurality of samples, wherein the experimental information includes a first data component associated with a first allele and Including a second data component associated with the second allele; (b) evaluating experimental information for each of the plurality of samples to identify one or more data clusters comprising: Each associated with and determined in part by a combination of distinct alleles by comparing a first data component against a second data component; (c) a selected sample Generating a likelihood model that predicts the probability of existing in a particular data cluster based on the experimental information; and (d) applying the likelihood model to each of the plurality of samples. And apply to, the step of determining the alleles constituting its associated, and a command to be performed on a general purpose computer thereon.
なお別の実施形態において、本発明の教示は、コンピュータ読み取り可能媒体を記載し、このコンピュータ読み取り可能媒体は、以下の工程:(a)複数のデータポイントを含むサンプルセットを同定する工程であって、各々のデータポイントは、第1の強度成分と第2の強度成分との間の関係を表す角度値を有する、工程;(b)尤度モデルおよび関連するパラメータセットを生成する工程であって、ここで、上記データポイントの角度値が、その尤度モデルにおいて使用される適切なパラメータを決定する際に使用され、かつ、その尤度モデルの有効性が、その尤度モデルがそのサンプルセット中の選択されたデータポイントを適切に同定する確率を評価することによって評価される工程;(c)その尤度モデルをそのサンプルセット中のその複数のデータポイントに適用して、別個のクラスタにそのデータポイントをグループ分けする工程;および(d)選択した分類と別個のクラスタの各々およびその成分データポイントとを関連付ける工程を、汎用コンピュータに実行させる命令がその上に記憶されている。 In yet another embodiment, the teachings of the present invention describe a computer-readable medium that includes the following steps: (a) identifying a sample set that includes a plurality of data points. Each data point has an angle value representing a relationship between the first intensity component and the second intensity component; (b) generating a likelihood model and an associated parameter set; Where the angle value of the data point is used in determining the appropriate parameters to be used in the likelihood model, and the validity of the likelihood model is Evaluated by evaluating the probability of properly identifying selected data points in; (c) the likelihood model in the sample set; Applying to the plurality of data points to group the data points into separate clusters; and (d) associating the selected classification with each of the separate clusters and its component data points into a general purpose computer. The instructions to be executed are stored on it.
別の局面において、本発明の教示は、コンピュータ読み取り可能媒体を記載し、このコンピュータ読み取り可能媒体に、以下の工程:(a)複数のデータポイントを含むサンプルセットを同定する工程であって、データポイントの各々が少なくとも2つの成分実験値を含む工程;(b)その複数のデータポイントについての成分実験値を評価して、そのデータポイントを別個の対立遺伝子分類を表す1以上のデータクラスタにグループ分けする工程;(c)その成分実験値を使用して選択されたデータポイントのグループ分けを記述する最尤関数を生成する工程;および(d)その最尤関数を使用してデータポイントの各々と対立遺伝子分類を関連付ける工程を、汎用コンピュータに実行させる命令が記憶されている。 In another aspect, the teachings of the present invention describe a computer readable medium on which the following steps are performed: (a) identifying a sample set that includes a plurality of data points, the data comprising: Each of the points includes at least two component experimental values; (b) evaluating the component experimental values for the plurality of data points and grouping the data points into one or more data clusters representing distinct allelic classifications; (C) generating a maximum likelihood function describing the grouping of selected data points using the component experimental values; and (d) each of the data points using the maximum likelihood function. Instructions for causing a general-purpose computer to execute the process of associating the allele classification with each other are stored.
なおさらなる局面において、本発明の教示は、対立遺伝子分類を実行するためのコンピュータに基づくシステムを記載する。このシステムは、データベース;およびプログラムを備え、そのデータベースは、複数のサンプルについての実験情報を記憶するためのデータベースであって、その実験情報は、各々のサンプルの対立遺伝子構成を反映し;そのプログラムは、以下の操作(a)〜(d)を実行する:(a)そのデータベースから複数のサンプルについての実験情報を検索する工程であって、ここで、その実験情報は、第1の対立遺伝子と関連する第1のデータ成分および第2の対立遺伝子と関連する第2のデータ成分を含む、工程;(b)複数のサンプルの各々に対する実験情報評価して1以上のデータクラスタを同定する工程であって、各々のクラスタは、その実験成分に対して第1の実験成分を比較することによって、別個の対立遺伝子構成と関連付けられそして部分的に決定される工程;(c)その尤度モデル自体の信頼性を見積もり、そして選択されたサンプルおよびそのそれぞれの実験情報がそのモデルにどの程度適合するかということを評価するモデル適合確率評価を含む尤度モデルを生成する工程であって、そのモデルは、選択されたサンプルがその実験情報に基づいて特定のデータクラスタと関連付けられる確率を予測するためにさらに使用される、工程;ならびに(d)その尤度モデルをその複数のサンプルの各々に適用してその関連する対立遺伝子構成を決定する工程。 In yet a further aspect, the teachings of the present invention describe a computer-based system for performing allelic classification. The system includes a database; and a program, the database for storing experimental information about a plurality of samples, the experimental information reflecting the allelic composition of each sample; the program Performs the following operations (a) to (d): (a) retrieving experimental information about a plurality of samples from the database, wherein the experimental information is the first allele Including a first data component associated with and a second data component associated with the second allele; (b) evaluating experimental information for each of the plurality of samples to identify one or more data clusters Each cluster is associated with a distinct allelic composition by comparing the first experimental component against that experimental component. And (c) a model that estimates the reliability of the likelihood model itself and evaluates how well the selected sample and its respective experimental information fit the model Generating a likelihood model that includes a fit probability assessment, wherein the model is further used to predict a probability that a selected sample is associated with a particular data cluster based on the experimental information And (d) applying the likelihood model to each of the plurality of samples to determine its associated allelic composition.
別の実施形態において、本発明の教示は、対立遺伝子分類のためのコンピュータに基づくシステムを記載する。このシステムは、データベース;およびプログラムを備え、そのデータベースは、複数のサンプルについての実験情報を記憶するためのデータベースであって、その実験情報は、各々のサンプルの対立遺伝子構成を反映し;そのプログラムは、以下の操作を実行する:(a)複数のデータポイントを含むサンプルセットを同定する工程であって、各々データポイントは、第1の強度成分と第2の強度成分との間の関連を示す角度値を有する、工程;(b)尤度モデルおよび関連するパラメータセットを生成する工程であって、ここで、そのデータポイントの角度値が、その尤度モデルにおいて使用される適切なパラメータを決定する際に使用され、そして、その尤度モデルの有効性が、その尤度モデルが、サンプルセットにおける選択されたデータポイントを適切に同定する確率を評価することによって評価する、工程;(c)その尤度モデルをそのサンプルセット中の複数のデータポイントに対して適用し、そして、そのデータポイントを別個のクラスタにグループ分けする工程;および(d)別個のクラスタ各々およびその成分データポイントと選択された分類とを関連付ける工程。 In another embodiment, the teachings of the present invention describe a computer-based system for allelic classification. The system includes a database; and a program, the database for storing experimental information about a plurality of samples, the experimental information reflecting the allelic composition of each sample; the program Performs the following operations: (a) identifying a sample set that includes a plurality of data points, each data point having an association between a first intensity component and a second intensity component; (B) generating a likelihood model and associated parameter set, wherein the angle value of the data point is a suitable parameter used in the likelihood model; Used in determining and the validity of the likelihood model, the likelihood model was selected in the sample set (C) applying the likelihood model to a plurality of data points in the sample set and then applying the data points to separate clusters; Grouping; and (d) associating each selected cluster and its component data points with the selected classification.
(特定の実施形態の詳細な説明)
本発明の教示は、遺伝情報および生物学的データを評価するために使用され得るクラスタリングアプローチを記載する。1つの局面において、これらの方法は、コンピュータ処理による解析プラットフォームまたはソフトウェアアプリケーションに適用され得、ここで、そのデータ解析は、実質的に自動処理様式で実施される。自動処理データ解析のための機構を提供することによって、本発明の教示は、一般的に人間の監視者が個々のデータポイントを評価することを必要とする従来型の方法の多くの制限を効果的に取り扱う。さらに、本明細書に記載の方法は、大規模なサンプルセットにおける解析の速度および精度を改善し得、それによって、ハイスループット用途における解析の効率を改善し得る。
(Detailed description of specific embodiments)
The teachings of the present invention describe a clustering approach that can be used to evaluate genetic information and biological data. In one aspect, these methods may be applied to a computerized analysis platform or software application, where the data analysis is performed in a substantially automated processing manner. By providing a mechanism for automated processing data analysis, the teachings of the present invention take advantage of the many limitations of conventional methods that generally require a human observer to evaluate individual data points. Handle it. Furthermore, the methods described herein can improve the speed and accuracy of analysis in large sample sets, thereby improving the efficiency of analysis in high-throughput applications.
種々の実施形態において、本発明の教示はまた、データポイントを分類するのに曖昧であるかまたは困難性のあるサンプルセットを評価するのに使用され得る。この特徴は、1以上のクラスタの境界の外またはその境界上にあるデータポイントを分類するのに特に有用である。曖昧なデータポイントは、従来型のクラスタリングアプローチにおいて重大な問題を提示する。なぜなら、これらの分類は、「誤った呼び出し」(miscalling)による尤度の増大を受けやすく、これによって、データポイントの不適切な同定結果または誤ったクラスタとの関連付け(すなわち、そのデータポイントは、実際のところはそのクラスタに属さない)を生じる。 In various embodiments, the teachings of the present invention can also be used to evaluate sample sets that are ambiguous or difficult to classify data points. This feature is particularly useful for classifying data points that are outside or on the boundary of one or more clusters. Ambiguous data points present a significant problem in traditional clustering approaches. Because these classifications are subject to increased likelihood due to “miscalling”, which results in improper identification of data points or association with wrong clusters (ie, the data points are Actually does not belong to the cluster).
特定の実施形態において、本発明の教示は、種々の異なる生物学的データ解析および遺伝データ解析のアプリケーションと連動して、動作するように適合され得、ここで、クラスタリング解析は、サンプルセットを形成する複数のデータポイントの間の関係を解くのに使用される。クラスタリング解析が使用され得る1つの例示的なアプリケーションは、SNPの位置づけまたは同定およびサンプル遺伝子型分類に関連して使用され得る。 In certain embodiments, the teachings of the present invention can be adapted to operate in conjunction with a variety of different biological and genetic data analysis applications, where clustering analysis forms a sample set. Used to solve the relationship between multiple data points. One exemplary application in which clustering analysis can be used can be used in connection with SNP positioning or identification and sample genotyping.
SNPは、天然に存在するヌクレオチド配列バリエーションの数個の型のうちの1つを表し、そして、詳細なSNP解析がヌクレオチド配列バリエーションと疾患または他の状態との間の関係を研究する際に有用であり得ると一般的には考えられている。現在、ヒトゲノムにおいて同定された300万を超える推定SNPが存在し、そして、これらの推定SNPに確証を与え、かつ、これらを表現型および疾患と関連付けることは、多くの研究者の目的とするところである。この目的を満す際の1つの課題は、多くの例で注意深く研究者が調査および解釈がすることが求められ得る大規模な遺伝子型データを、研究者が生成および解析することが必要であるということである。 SNPs represent one of several types of naturally occurring nucleotide sequence variations, and detailed SNP analysis is useful in studying the relationship between nucleotide sequence variations and diseases or other conditions It is generally thought that it can be. Currently, there are over 3 million putative SNPs identified in the human genome, and it is the goal of many researchers to validate these putative SNPs and to associate them with phenotypes and diseases. is there. One challenge in meeting this objective is that researchers need to generate and analyze large-scale genotype data that in many cases can be required to be carefully investigated and interpreted by researchers. That's what it means.
SNPを位置づけ得るかまたは同定し得る多くの解析方法が、開発されてきた。1つの例示的な方法としては、各々プローブが異なる対立遺伝子について特異的な別個のマーカーまたはレポータ色素を含む蛍光プローブの対を使用するサンプル増幅が挙げられる。増幅の間に、このサンプルは、その特定の対立遺伝子構成に従って標識され、そして、この得られた生成物の蛍光特性が、評価され、そのサンプルが第1の対立遺伝子にとってホモ接合性(例えば、A/A)、第2の対立遺伝子にとってホモ接合性対立遺伝子(例えば、A/B)またはヘテロ接合性対立遺伝子の組合せ(B/B)であるかを決定付けられ得る。ホモ接合性サンプルは、一方または他方のマーカー型における度合いの増加した蛍光を提示する傾向があり、ここで、反対のマーカーからの観察される蛍光の量は、有意に減少するかまたは完全に存在しない。逆に、両方の対立遺伝子に関してヘテロ接合性のサンプルは、両方のマーカーから生じる相当の度合いの蛍光を提示する。この方法の市販される実装形態は、Applied Biosystems製のTaqmanプラットフォームであり、これは、各々の増幅されたサンプルの蛍光をモニターおよび記録するためにApplied Biosystems製のPrism 7700および7900HT配列検出システムを利用する。 Many analytical methods have been developed that can locate or identify SNPs. One exemplary method includes sample amplification using a pair of fluorescent probes, each probe containing a distinct marker or reporter dye specific for a different allele. During amplification, the sample is labeled according to its specific allelic composition, and the fluorescent properties of the resulting product are evaluated, and the sample is homozygous for the first allele (eg, A / A), it can be determined whether the second allele is a homozygous allele (eg A / B) or a combination of heterozygous alleles (B / B). Homozygous samples tend to display an increased degree of fluorescence in one or the other marker type, where the amount of fluorescence observed from the opposite marker is significantly reduced or completely present do not do. Conversely, a sample that is heterozygous for both alleles displays a considerable degree of fluorescence arising from both markers. A commercially available implementation of this method is the Taqman platform from Applied Biosystems, which utilizes the Prism 7700 and 7900HT sequence detection systems from Applied Biosystems to monitor and record the fluorescence of each amplified sample. To do.
図1A〜Dは、上記の原理に従って取得され得る例示的なサンプルセットを示す。複数のサンプルについての増幅産物からの蛍光データが、互いに関して評価される。図1Aにおいて、スキャッタープロット100を使用して、複数のデータポイントについて取得した生の蛍光強度データを視覚化し得る。この表示100において、x軸105が、第1のマーカー(赤の強度)に関する蛍光強度に関連し、y軸110が、第2のマーカー(緑の強度)についての蛍光強度を表す。従って、各データポイントは、測定された蛍光強度値に基づく他のデータポイントに関してプロットされ得る。 1A-D show exemplary sample sets that can be obtained according to the principles described above. Fluorescence data from amplification products for multiple samples is evaluated with respect to each other. In FIG. 1A, a scatter plot 100 can be used to visualize raw fluorescence intensity data acquired for multiple data points. In this display 100, the x-axis 105 relates to the fluorescence intensity for the first marker (red intensity) and the y-axis 110 represents the fluorescence intensity for the second marker (green intensity). Thus, each data point can be plotted with respect to other data points based on measured fluorescence intensity values.
サンプルセット内の個々のサンプルの対立遺伝子分類は、全サンプルセットについての測定された蛍光値を、別の値に関して評価することによって達成され得る。スキャッタープロット100による例示的なデータの視覚化は、データポイントが、別の集団115、120、125にクラスター化する傾向があることを示す。これらの集団115、120、125は、さらに、示されるような、特定の対立遺伝子の組成または遺伝子型に関連し得、第1の集団115は、[A/A]のホモ接合性対立遺伝子組成を有するサンプルを表す。第2の集団120は、[A/B]のヘテロ接合性対立遺伝子組成を有するサンプルを表す。第3の集団125は、[B/B]のホモ接合性対立遺伝子組成を有するサンプルを表す。 Allele classification of individual samples within a sample set can be achieved by evaluating the measured fluorescence value for the entire sample set with respect to another value. Visualization of exemplary data with scatter plot 100 shows that data points tend to cluster into different populations 115, 120, 125. These populations 115, 120, 125 may further be associated with a particular allelic composition or genotype, as indicated, and the first population 115 is a homozygous allelic composition of [A / A] Represents a sample with The second population 120 represents samples having a heterozygous allelic composition of [A / B]. The third population 125 represents samples having a homozygous allelic composition of [B / B].
上記の例は、3つの別個のクラスターを形成するサンプルセットを例示するが、サンプルセットが、この数のみを満たす必要はないことが理解される。従って、サンプルセットは、解析されるデータの性質および型に依存して、より多いかまたはより少ないクラスターを含み得る。 While the above example illustrates a sample set that forms three separate clusters, it is understood that the sample set need not meet this number alone. Thus, the sample set may contain more or fewer clusters depending on the nature and type of data being analyzed.
選択されたサンプルセットについて、代表的な1つ以上の周辺性または外側のデータポイント130が存在する。このデータポイントの観察される蛍光特性は、データポイント130が関連付けられる主な集団115、120、125の特性では、あまり明白には確立され得ない。従来の解析アプローチを使用して、これらの曖昧な(ambiguous)または外側のデータポイント130の適切な対立遺伝子組成は、比較的高い程度の確実性または正確性で決定することが困難であり得るか、または、不可能であり得る。さらに、クラスター化解析に従来の自動化方法を使用する場合、曖昧なデータポイントは、名を誤る頻度が増加する傾向にあり、研究者が見直すために警告を与えられるか、または、解析から完全に除外され得る。種々の実施形態において、本教示は、曖昧なデータポイントを評価および分類する能力を改善し、それによって、同定の信頼性を高め、自動化サンプル同定を改善し、かつ、エラーを減らす。 There are one or more representative peripheral or outer data points 130 for the selected sample set. The observed fluorescence characteristics of this data point cannot be established very clearly with the characteristics of the main population 115, 120, 125 with which the data point 130 is associated. Using conventional analytical approaches, the appropriate allelic composition of these ambiguous or outer data points 130 can be difficult to determine with a relatively high degree of certainty or accuracy Or it may be impossible. In addition, when using traditional automated methods for clustering analyses, ambiguous data points tend to increase the frequency of renaming, and researchers can be warned to review or complete analysis Can be excluded. In various embodiments, the present teachings improve the ability to evaluate and classify ambiguous data points, thereby increasing the reliability of identification, improving automated sample identification, and reducing errors.
図1Bは、蛍光強度データが、対数関数スキャッタープロット150のようにプロットされる、別の例示的なサンプルセットを示す。このグラフ150から示されるように、既知のホモ接合性およびヘテロ接合性の対立遺伝子に対応する3つの別個の集団155、160、165が、観察できる。データポイント解像能の曖昧さが、ホモ接合性集団155の1つとヘテロ接合性集団160の1つとの間の重なり境界170として、このグラフによりさらに示される。ここで、各集団155、160、165は、容易に解像され得ず、従って、画像および自動化対立遺伝子認識方法を一様に妨げる。本明細書中以下でより詳細に記載されるように、本教示は、サンプルセットのデータポイントの解像を助け、かつ、対立遺伝子分類および遺伝子型の特定のための手段を提供するデータ分類方法を適用することによって、この強力な解析上の問題に取り組む。 FIG. 1B shows another exemplary sample set in which fluorescence intensity data is plotted as a logarithmic scatter plot 150. As shown from this graph 150, three distinct populations 155, 160, 165 corresponding to known homozygous and heterozygous alleles can be observed. Data point resolution ambiguity is further illustrated by this graph as an overlap boundary 170 between one of the homozygous population 155 and one of the heterozygous population 160. Here, each population 155, 160, 165 cannot be easily resolved, thus uniformly hindering image and automated allele recognition methods. As described in more detail hereinbelow, the present teachings assist in resolving data points in a sample set and provide a means for allelic classification and genotyping Tackle this powerful analytical problem by applying.
種々の実施形態において、データのグループ化は、プロトタイプの角の発生に関する操作を含み得る。この角を使用して、所定のサンプルセットにおいて、1つのクラスターを特徴付け、別のクラスターから識別し得る。図1Cの例示的なスキャッタープロット173に示されるように、対立遺伝子集団の各クラスターは、選択されたクラスターの特定の特性に基づく別個の角度値(angular value)175、180、185に関し得る。例えば、角度値175は、クラスター内に含まれるデータポイントについての蛍光強度比の平均(average or mean)を評価し、得られた値をスキャッタープロット173内の選択された起源(origin)190と関連付けることによって、ホモ接合性クラスター[A/A]について決定され得る。同様に、角度値180および185は、対応するヘテロ接合性[A/B]集団およびホモ接合性[B/B]集団に基づいて、同じ様式で決定され得る。本明細書中以下でより詳細に記載されるように、角度値の決定は、簡便な平均を表し、これにより、サンプルセットのデータポイントが、互いに関して評価され得、そして、これらの値は、入力パラメータとしてクラスター解析方法において利用され得、続いて、対立遺伝子分類操作の間に操作される。 In various embodiments, the grouping of data may include operations relating to the generation of prototype corners. This corner can be used to characterize and distinguish one cluster from another in a given sample set. As shown in the exemplary scatter plot 173 of FIG. 1C, each cluster of the allelic population may be associated with a distinct angular value 175, 180, 185 based on the particular characteristics of the selected cluster. . For example, the angle value 175 evaluates the average of the fluorescence intensity ratios for the data points contained within the cluster and the resulting value is the selected origin 190 in the scatter plot 173. Can be determined for homozygous clusters [A / A]. Similarly, angle values 180 and 185 may be determined in the same manner based on the corresponding heterozygous [A / B] population and homozygous [B / B] population. As described in more detail hereinbelow, the determination of the angle value represents a convenient average, whereby the data points of the sample set can be evaluated with respect to each other, and these values are It can be used as an input parameter in cluster analysis methods and subsequently manipulated during allelic classification operations.
角度値の決定はまた、選択された集団内の各データポイントまで及び得、その結果は、適切なクラスターまたは集団境界を確立すると評価され得る。例えば、図1Dの例示的な極性プロット191に示されるように、各データポイントについての強度値192が、角度値194の関数としてプロットされ得、クラスター解析を容易にする。続いて、信頼性境界196が、本明細書中に記載される方法に基づいて決定され得、個々のデータポイントを特定の対立遺伝子集団と関連付けるのを補助する。 The determination of the angle value can also extend to each data point in the selected population, and the results can be evaluated to establish an appropriate cluster or population boundary. For example, as shown in the exemplary polarity plot 191 of FIG. 1D, the intensity value 192 for each data point can be plotted as a function of the angle value 194 to facilitate cluster analysis. Subsequently, a confidence boundary 196 may be determined based on the methods described herein to assist in associating individual data points with a particular allelic population.
図2は、本教示に従うSNP解析のための汎用の方法200を例示する。1つの局面において、方法200は、状態205において、複数のデータポイント(各々が、関連する成分マーカー、すなわち、色素強度値(例えば、赤および緑の蛍光強度)を有する)を含むサンプルセット情報の取得から開始する。方法200は、種々の異なる供給源から取得されたデータ(例えば、二重標識増幅反応(例えば、Taqman)から取得されたデータ、ならびに、アレイに基づく検出アプローチおよび観察可能な特性(蛍光、放射活性、可視光の検出が挙げられる)の差異に基づいて対立遺伝子を識別するように設計された他の方法および他のアプローチ)と組み合せて操作し得る。種々の実施形態において、各データポイントは、少なくとも2つの特性または特徴(例えば、二色蛍光)を保有し、これは、対立遺伝子組成間を識別するための基礎として使用され得る。 FIG. 2 illustrates a general method 200 for SNP analysis in accordance with the present teachings. In one aspect, the method 200, in state 205, includes a plurality of data points (each of which has associated component markers, ie, dye intensity values (eg, red and green fluorescence intensities)) of sample set information. Start with acquisition. The method 200 includes data obtained from a variety of different sources (eg, data obtained from dual label amplification reactions (eg, Taqman), as well as array-based detection approaches and observable properties (fluorescence, radioactivity). Can be operated in combination with other methods and other approaches designed to identify alleles based on differences). In various embodiments, each data point possesses at least two properties or characteristics (eg, two-color fluorescence), which can be used as a basis for discriminating between allelic compositions.
データの取得205の後、規準化、スケーリングまたは前処理工程210が実施されて、サンプルセットの生データ値を所望のように改変し得る。この工程は、バックグラウンド蛍光を補正する工程、データを選択された範囲にスケーリングする工程、データを標準的な形式に合うように調整する工程、または、データをその後の処理および解析に受け入れられる形式にする他のこのような操作を包含し得る。 After data acquisition 205, a normalization, scaling or preprocessing step 210 may be performed to modify the raw data values of the sample set as desired. This step involves correcting background fluorescence, scaling the data to a selected range, adjusting the data to fit a standard format, or a format that allows the data to be accepted for subsequent processing and analysis. Other such operations may be included.
1つの局面において、この工程210は、マーカーまたは色素の補正ルーチン(correction routine)を包含し、ここで、1つのサンプルまたはサンプル間について取得された強度測定値(measurement)が評価される。強度の間の実質的な差異は、サンプルデータが、同一のスケール内になく、強度間の変化が、その後のクラスター化解析に影響を及ぼすのに十分であり得ることを示し得る。実質的なサンプル強度差異が解析に与え得る強力な影響を減少するために、マーカーまたは色素の補正因子が推定され、クラスター化解析が行われる前にデータに適用され得る。 In one aspect, this step 210 includes a marker or dye correction routine in which intensity measurements taken for one sample or between samples are evaluated. A substantial difference between intensities may indicate that the sample data is not within the same scale and that changes between intensities may be sufficient to affect subsequent clustering analyses. In order to reduce the strong impact that substantial sample intensity differences can have on the analysis, marker or dye correction factors can be estimated and applied to the data before clustering analysis is performed.
さらに、クラスター化解析の前に、ノイズ補正ルーチンが、強度データに適用され、結果として生じる解析の質を改善し得る。1つの局面において、望ましくないノイズの増幅が、検出機構を使用して回避され得、この機構において、データは、まず、単一のクラスターが存在するか否かを決定するために評価される。この例において、特定のマーカーまたは色素の補正が、前処理(プレプロセシング)工程210の間に排除され、これにより、そうでなければ、結果として生じる解析に悪影響を及ぼし得るノイズの望ましくない増加を回避し得る。 In addition, prior to clustering analysis, a noise correction routine can be applied to the intensity data to improve the quality of the resulting analysis. In one aspect, unwanted noise amplification can be avoided using a detection mechanism, in which data is first evaluated to determine whether a single cluster exists. In this example, certain marker or dye corrections are eliminated during the pre-processing step 210, thereby reducing an undesirable increase in noise that could otherwise adversely affect the resulting analysis. Can be avoided.
他の実施形態において、起源規準化関数(origin normalization function)が、前処理工程210の間に適用され得る。1つの局面において、起源規準化関数は、1つ以上のコントロールサンプル(例えば、鋳型なしコントロール−NTC)に関連する強度測定値を使用する。コントロールサンプルの1つの目的は、各マーカーまたは色素についての蛍光のバックグラウンドレベルを決定するための手段を提供することである。この情報を使用して、起源規準化関数が、観察されたバックグラウンドを考慮するために、データの強度値を調整し得る。1つの局面において、この様式でのデータの規準化を使用して、起源の位置に依存する各サンプルの角測定値を調整し得る。さらに、複数のコントロールサンプルが存在する場合、起源は、コントロールサンプルのメジアンを取り、そして、それに応じてデータについての角度値を調節することによって決定され得る。従って、コントロールサンプルが存在しないか、または、サンプルセットの部分である場合、起源規準化関数は、参照起源を確立して、各データポイントについての角測定値の決定を可能にし得る。1つの局面において、規準化した起源は、比較的低い蛍光強度を有する単離されたデータサンプル(例えば、タスクにかけられていないNTC)を検索することによって同定され得る。 In other embodiments, an origin normalization function may be applied during the pre-processing step 210. In one aspect, the origin normalization function uses intensity measurements associated with one or more control samples (eg, no template control-NTC). One purpose of the control sample is to provide a means for determining the background level of fluorescence for each marker or dye. Using this information, the origin normalization function can adjust the intensity values of the data to take into account the observed background. In one aspect, data normalization in this manner may be used to adjust the angular measurements of each sample depending on the location of origin. Further, if there are multiple control samples, the origin can be determined by taking the median of the control samples and adjusting the angle value for the data accordingly. Thus, if a control sample is not present or is part of a sample set, the origin normalization function may establish a reference origin to allow determination of angular measurements for each data point. In one aspect, normalized sources can be identified by searching for isolated data samples (eg, NTCs that have not been tasked) with relatively low fluorescence intensity.
上記の説明から、結果として生じる成果を改善するために、クラスター化解析の前に、多数の操作がサンプルセットのデータに対して行われ得ることが理解される。クラスター化解析の前のデータ処理に対する種々のアプローチ(蛍光強度の調整、サンプルデータ表示の変化(例えば、対数値の決定および角度値の算出を含む数学的操作)、または、研究者により所望される他のデータ操作を含む)が可能であること想到される。よって、以下に記載されるクラスター化解析アプローチと組み合せて使用されるこのようなこれらの操作は、本教示の他の実施形態ではないとみなされるべきである。 From the above description, it is understood that a number of operations can be performed on the sample set data prior to clustering analysis to improve the resulting outcome. Various approaches to data processing prior to clustering analysis (adjustment of fluorescence intensity, changes in sample data display (eg, mathematical manipulation including determination of logarithmic values and calculation of angle values), or as desired by the investigator It is envisioned that other data manipulations are possible. Thus, these operations used in combination with the clustering analysis approach described below should not be considered other embodiments of the present teachings.
状態210におけるサンプルセットが適切に調整されると、MLデータモデルは、状態215において、得られたデータポイント値のいくつかまたはすべてに基づいて生成される。このMLデータモデルは、最尤法アプローチを用いてクラスターモデルパラメータの推定を行う統計学的モデルである。一般に、別個のMLデータモデルを、各々のサンプルについて展開して、選択されたサンプルセットの個々の、かつ、ユニークな特性を正確に反映させるが、所定のMLデータモデルは、一旦作成されると、1またはそれより多いサンプルセットに適用され得ることが理解される。以下により詳細に記載するように、このMLデータモデルは、いくつかのデータポイントの観点から統計学的確率を評価し、そして結果を組み合わせてそのサンプルセットにおいて各々のサンプルについて対立遺伝子の組成をより性格に同定するために用いられ得るモデルを得ることによって、既存のクラスタリングアプローチを改善する。 Once the sample set in state 210 has been appropriately adjusted, an ML data model is generated in state 215 based on some or all of the resulting data point values. This ML data model is a statistical model that estimates cluster model parameters using a maximum likelihood approach. In general, a separate ML data model is developed for each sample to accurately reflect the individual and unique characteristics of the selected sample set, but once a given ML data model is created It will be appreciated that it can be applied to one or more sample sets. As described in more detail below, this ML data model evaluates statistical probabilities in terms of several data points and combines the results to determine the allelic composition for each sample in the sample set. Improve existing clustering approaches by obtaining models that can be used to identify personality.
一旦MLデータモデルが展開されると、このモデルを、状態220におけるサンプルセットのデータポイントに適用して、選択されたデータポイントについて適切な対立遺伝子の組成を決定するための手段を提供する。以前に記載されるように、この方法200の1つの所望の特徴は、対立遺伝子の同定が、コンピュータ方法に適合され得、そして研究者の入力または解釈をほとんどまたは全く必要としないことができ、他方で、対立遺伝子の呼び出しの精度を比較的高度の保つ実質的に自動化された様式で行われ得ることである。従って、解析の結果が状態225における研究者により出力され得、そして他の操作(例えば、生成する品質の値および/または信頼性スコア)が実行され得る。得られた情報は、以下の解析においてさらなる処理および利用するために二次的に適用されるように渡され得る。 Once the ML data model is developed, it is applied to the sample set data points in state 220 to provide a means for determining the appropriate allelic composition for the selected data points. As previously described, one desirable feature of this method 200 is that allele identification can be adapted to computer methods and requires little or no investigator input or interpretation; On the other hand, it can be done in a substantially automated fashion that keeps the accuracy of allelic calls relatively high. Thus, the results of the analysis can be output by the researcher at state 225 and other operations (eg, quality values to be generated and / or confidence scores) can be performed. The resulting information can be passed to be applied secondarily for further processing and use in the following analysis.
種々の実施形態において、他のデータ型/表現を、上記強度情報とともにまたはその代わりに用いることができる。例えば、対立遺伝子の同定ルーチンにおいて用いられるデータは、エミッションおよび登録データを含み得、ここで、各々の信号は、ピーク高さおよび/またはピーク面積によって特徴付けられ得る。この情報は、データ分類の目的で尤度モデルを展開するために、強度データと同様の様式で用いられ得る。 In various embodiments, other data types / representations can be used with or instead of the intensity information. For example, the data used in the allele identification routine may include emission and registration data, where each signal may be characterized by a peak height and / or peak area. This information can be used in a manner similar to the intensity data to develop a likelihood model for data classification purposes.
さらに、多重の特徴(例えば、強度、ピーク高さおよび/またはピーク面積)が互いに組み合わされて用いられて尤度モデルを展開する複合方法が展開され得ることが理解される。これらの特徴は、独立の尤度モデルを展開するためにさらに用いられ得、このモデルは、ついで、他の可能性のあるモデルに対して改善された結果を生成する候補となる尤度モデルを同定するために評価される。尤度モデルを展開するために用いられる特徴は、互いに関連しても関連していなくてもよく、そして研究者によって所望される多数の様式で処理/表現され得る。 It is further understood that multiple methods (eg, intensity, peak height and / or peak area) can be used in combination with each other to develop a composite method for developing a likelihood model. These features can be further used to develop an independent likelihood model, which in turn can be used as a candidate likelihood model that produces improved results over other possible models. Evaluated to identify. The features used to develop the likelihood model may or may not be related to each other and can be processed / represented in a number of ways as desired by the researcher.
種々の実施形態において、対立遺伝子分類に用いられるデータは、コンセンサスベースの値を表し得、ここで、2またはそれより多いデータポイントに対応する情報が組み合わされ得る(例えば、二連または複製の凝集(aggregation))。例えば、アレイに基づく解析方法において、類似のサンプル組成に関する複数のデータポイントの平均を取って、コンセンサス値を生成し得、次いでこれを本開示に従って対立遺伝子分類に用いる。1つの局面において、凝集されたデータは、随伴する誤差の推定を含み得、そして異常値データが無視され得る。同様に、他の統計学的操作およびデータ組み合わせが、対立遺伝子分類のための入力データを生成するためのこれらおよび他の解析手法について、企図され得る。 In various embodiments, the data used for allelic classification can represent consensus-based values, where information corresponding to two or more data points can be combined (eg, duplicate or replicate aggregation) (Aggregation)). For example, in an array-based analysis method, multiple data points for similar sample compositions may be averaged to generate a consensus value that is then used for allelic classification according to the present disclosure. In one aspect, the aggregated data can include an associated error estimate and the outlier data can be ignored. Similarly, other statistical operations and data combinations can be contemplated for these and other analytical techniques for generating input data for allelic classification.
なおさらなる実施形態において、対立遺伝子分類に用いられるデータは、随伴する不確定性、分散または許容範囲の情報(例えば、誤差バーまたは品質値)を含み得る。この情報は、適用され得るもとになるデータと共に用いられ得、そして最尤法の等式の展開および評価において得られ得る。さらに、既知の組成を有するトレーニングデータセットが尤度モデル形成方法に適用されて、適切な尤度モデルを生成および確認する監視(supervised)方法が展開され得る。 In still further embodiments, the data used for allelic classification may include accompanying uncertainty, variance or tolerance information (eg, error bars or quality values). This information can be used with the underlying data that can be applied, and can be obtained in the development and evaluation of maximum likelihood equations. Further, a training data set having a known composition can be applied to a likelihood model generation method to develop a supervised method that generates and confirms an appropriate likelihood model.
上記から、本教示の対立遺伝子の決定方法は、多くの異なるデータタイプおよびデータ調製方法を用いて作動すると構成され得ると理解される。その結果、強度情報の以下に記載する使用(対立遺伝子分類方法に対する入力データタイプなど)は、その性質として例示である解釈されるべきであり、そして限定すると解釈されるべきではない。 From the above, it is understood that the allele determination methods of the present teachings can be configured to operate using many different data types and data preparation methods. As a result, the use of intensity information described below (such as the input data type for an allelic classification method) should be construed as illustrative in nature and not as limiting.
図3は、データ分類についての方法300を例示する。ここで、このデータ分類は、最尤法解析アプローチおよびモデル精密化ルーチンを組み込んで、改善された対立遺伝子の同定を達成する。上記図2との関連で以前に記載されるように、方法300によって使用される出力情報は、各々のデータポイントについての蛍光データ強度およびNTC指数を含み得、これらを用いて、バックグラウンドの決定およびリサンプリングにおいて使用されるデータ強度を同定することができる。さらに、NTC情報または他のアプローチを用いて入力データ強度を正規化またはスケーリング(scaleing)することができる。 FIG. 3 illustrates a method 300 for data classification. Here, this data classification incorporates a maximum likelihood analysis approach and a model refinement routine to achieve improved allele identification. As previously described in connection with FIG. 2 above, the output information used by method 300 can include fluorescence data intensity and NTC index for each data point, which can be used to determine background. And the data intensity used in resampling can be identified. In addition, NTC information or other approaches can be used to normalize or scale the input data strength.
状態305において、入力データは、モデルパラメータ推定関数において用いられ、ここで、予備モデルが、新規統計学的解析パラダイムに適用されるように入力データに基づいて展開される。このパラダイムは、対立遺伝子分類および遺伝子型分類に関する種々の特徴および仮説を考慮する。本明細書以下に詳述するように、このサンプルセットのデータポイントは、最尤法解析に供される。この解析は、サンプルセットに存在するクラスターの数を同定する工程;各々のクラスターの平均、分散または標準偏差を決定する工程;およびこの対立遺伝子の頻度を推定する工程を包含する。 In state 305, the input data is used in a model parameter estimation function, where a preliminary model is developed based on the input data to be applied to a new statistical analysis paradigm. This paradigm considers various features and hypotheses regarding allelic and genotyping. As detailed herein below, the data points of this sample set are subjected to maximum likelihood analysis. This analysis includes identifying the number of clusters present in the sample set; determining the mean, variance or standard deviation of each cluster; and estimating the frequency of this allele.
1つの局面において、本開示の対立遺伝子分類の方法は、データ誤差または信頼性の推定および伝搬(propagation)が処理される様式に基づくクラスタリング解析についての多くの従来の方法とは異なる。代表的に誤差または信頼性の推定を追跡し、そして実際の対立遺伝子の分類の下流にあるこの情報を利用する従来の方法とは異なり、本開示は、誤差の重み付けクラスタリングアプローチを組み込み、ここで、誤差または信頼性の推定は、分類プロセスを通じてこの情報を伝搬させることによって、クラスターまたはデータのグループ分けにおいて用いられる。 In one aspect, the allelic classification methods of the present disclosure differ from many conventional methods for clustering analysis based on the manner in which data error or reliability estimation and propagation is handled. Unlike conventional methods that typically track error or confidence estimates and utilize this information downstream of the actual allele classification, this disclosure incorporates an error-weighted clustering approach, where The error or reliability estimate is used in clustering or grouping data by propagating this information through the classification process.
本開示の別の識別性のある特徴は、アプリオリ同定アプローチの適用である。ここで、種々のパラメータがモデルの一部として特定され、そして既知データ値を用いてモデルを試験してモデルから得られた結果値が期待された結果を生成するかどうかを決定するクラスターモデルが提唱される。1つの局面において、既知データ値をモデルの出力と適切に関連付ける適切な最尤法式は、以下のクラスタリング解析のための適切な式であるとみなす。別の観点から考慮すると、「アプリオリ」モデルは、個々のデータポイントを、推定のクラスターモデルに対して試験して、そしてその誤差情報を評価して、特定の推定上のクラスターにおける、選択されたデータポイントの包含が統計学的に有効な結果を生成しているかどうかを評価することによって、クラスター同定およびデータ分類において誤差情報を用いることができる。 Another distinguishing feature of the present disclosure is the application of an a priori identification approach. Here, various parameters are identified as part of the model, and a cluster model is determined that tests the model using known data values to determine whether the resulting values from the model produce the expected results. Advocated. In one aspect, an appropriate maximum likelihood equation that properly associates known data values with the model output is considered to be an appropriate equation for the following clustering analysis. Considered from another perspective, the “Apriori” model is selected in a particular putative cluster by testing individual data points against a putative cluster model and evaluating its error information. Error information can be used in cluster identification and data classification by evaluating whether the inclusion of data points produces a statistically valid result.
上記「アプリオリ」アプローチに基づいて、状態305におけるモデルパラメータ推定は、以下の規則に従って行って、推定上の最尤法関数を生成する。 Based on the “a priori” approach, model parameter estimation in state 305 is performed according to the following rules to generate an estimated maximum likelihood function.
(1)まず、サンプルセットにおける各々のデータクラスターを、互いに独立し、各々が単一の分散に従うとみなす。データのこの評価によって、確率密度関数p(s)が生成され、ここで、全体の分散は、以下の式によって定義される混合分散である。 (1) First, consider that each data cluster in the sample set is independent of each other and each follows a single variance. This evaluation of the data produces a probability density function p (s), where the overall variance is a mixed variance defined by the following equation:
この式において、P(Ci)は各々のクラスターの「アプリオリ」確率を表し、pi(s)は、クラスターCiについての確率密度関数を表し、ここで、sは、選択されたサンプルのデータポイントを示す。 In this equation, P (C i ) represents the “a priori” probability of each cluster, and pi (s) represents the probability density function for cluster Ci, where s is the data point of the selected sample. Indicates.
(2)対立遺伝子分類において、クラスターの各々は二項分布(例えば、ハーディ−ワインベルク平衡)に従う傾向にあり、ここで、相対的に大きな集団は、最小のサンプリング誤差を保証し、独立した対立遺伝子の頻度を伴うと仮定される。第一の対立遺伝子「A」が「p」であり、そして第二の対立遺伝子「B」が「q」であると仮定すると、一般に、これは、(p+q)=1(例えば、確率の合計=1)であり、そして1−q=pであると考える。 (2) In allelic classification, each of the clusters tends to follow a binomial distribution (eg, Hardy-Weinberg equilibrium), where a relatively large population ensures minimal sampling error and an independent allele It is assumed to be accompanied by gene frequency. Assuming that the first allele “A” is “p” and the second allele “B” is “q”, generally this is (p + q) = 1 (eg, the sum of probabilities = 1) and 1−q = p.
結果として、3つのクラスター(2つのホモ接合性[A/A]および[B/B]、ならびに1つの接合性[A/B])の分布に関連する対立遺伝子の頻度は、以下の式のよって定義され得る:
式2:p2(AA)+2pq(AB)+q2(BB)= 1
この方程式は、2つの対立遺伝子について確率の分布が、対立遺伝子の確率の二乗に等しいである、すなわち
(p(A)+q(B))2=p2(AA)+2pq(AB)+q2(BB)
という観察に基づいて生成され得る。
As a result, the frequency of alleles associated with the distribution of the three clusters (two homozygous [A / A] and [B / B], and one conjugative [A / B]) is given by Can be defined by:
Formula 2: p 2 (AA) + 2pq (AB) + q 2 (BB) = 1
This equation shows that the probability distribution for two alleles is equal to the square of the allele probability, ie
(p (A) + q (B)) 2 = p 2 (AA) +2 pq (AB) + q 2 (BB)
Based on the observation.
あるいは、対立遺伝子の頻度に等しい特定の対立遺伝子を生成する確率は、例示的にパネットのスクエアによって表1によって示されるように図示され得、これは、p2(AA)+2pq(AB)+q2(BB)として合算され得る。 Alternatively, the probability of generating a particular allele equal to the allele frequency may be illustrated by Table 1 by way of example by Panett Square, which is expressed as p 2 (AA) + 2pq (AB) + q 2 It can be summed as (BB).
(表1) (Table 1)
(3)各々のクラスターにおけるデータポイントについての角度を計算するにおいて、条件付ガウス分布は、以下の式に従う: (3) In calculating the angle for the data points in each cluster, the conditional Gaussian distribution follows the following formula:
この式において、 In this formula:
はクラスターC1の平均角度を示し、σi,rは、観察された強度rに対して反比例するパラメータを示す。 Indicates the average angle of the cluster C1, and σ i, r indicates a parameter that is inversely proportional to the observed intensity r.
(4)種々のサンプルセットにおいて、識別されたクラスターまたはデータグループ分けの1つに明瞭に入る傾向のないアウトライヤーデータポイントが存在し得ることが観察される。1つの局面では、本教示による対立遺伝子分類および遺伝子型決定は、アウトライヤー検出のための知識を基礎にした手段を提供する。 (4) It is observed that in various sample sets, there can be outlier data points that do not tend to clearly fall into one of the identified clusters or data groupings. In one aspect, allelic classification and genotyping according to the present teachings provides a knowledge-based means for outlier detection.
前述の原理に基づき、選択されたサンプルセットについて、最大尤度(ML)基準を用い、サンプルセット中のデータポイントの結合確率密度関数として規定される可能性関数でモデルパラメーターを推定する。この可能性関数は以下のように表され得る: Based on the principles described above, for a selected sample set, model parameters are estimated with a likelihood function defined as a joint probability density function of data points in the sample set using a maximum likelihood (ML) criterion. This possibility function can be expressed as:
この式において、xn、n=1、・・・Nは、すべてのNサンプルを示し、すべてのサンプルが独立であると考えられる場合、以下の可能性関数を生じる: In this equation, x n , n = 1,... N denotes all N samples, and if all samples are considered independent, the following probability function occurs:
状態305におけるパラメーターの最大尤度推定は、従って、上記で示された可能性関数を最大にすることにより得られ得る。 A maximum likelihood estimate of the parameter in state 305 can thus be obtained by maximizing the likelihood function shown above.
図3を再び参照して、状態305中の適切なパラメーターセットを識別し、この方法300は状態310に進行し、そこで、データ分類が上記可能性関数によって提供される統計学的モデルを基に生じる。1つの局面では、ベイズの分類器(classifier)アプローチを採用して対立遺伝子呼び出し操作を実施する(例えば、選択されたデータポイントを、ホモ接合性またはヘテロ接合性クラスターの1つと関連付ける)。簡潔に記載すれば、この分類器アプローチは、帰納的確率解析を使用し、これは、データモデルを確率し、そして各選択されたデータポイントが確率モデルに基づくクラスターに属する確率を決定する。一般に、このアプローチは、逆の条件的論理を適用し、選択されたデータポイントがどのクラスターに属するかに関する推定を行い(最大の帰納的確率)、そして、その使用が本明細書で以下により詳細に説明される、以下の規則を基準にした決定等式によってモデル化され得る。 Referring again to FIG. 3, identifying the appropriate parameter set in state 305, the method 300 proceeds to state 310, where data classification is based on the statistical model provided by the likelihood function. Arise. In one aspect, a Bayesian classifier approach is employed to perform an allelic call operation (eg, associating a selected data point with one of a homozygous or heterozygous cluster). Briefly described, this classifier approach uses recursive probability analysis, which probabilities the data model and determines the probability that each selected data point belongs to a cluster based on the probability model. In general, this approach applies inverse conditional logic to make an estimate as to which cluster a selected data point belongs (maximum inductive probability), and its use is described in more detail herein below. Can be modeled by a decision equation based on the following rules:
状態310におけるデータ分類の次に、この方法300は状態315に進行し、ここで、信頼値が、サンプルセット中のデータポイントについて評価される。種々の実施形態において、信頼値が決定される統計学的フレームワークは、いくつかの推定された統計学的確率(例えば、個々のデータポイント確率に基づく確率関数)の組み合わせに基づく。信頼値決定のこの様式は、トレーニングデータセット、データモデル、および神経ネットワークアプローチに依存する従来法が区別され、各データポイントに対する対立遺伝子呼び出し信頼の比較的高い質の推定を達成する。この状態315の間に、さらなる計算がまた実施され得、これには、可能なアウトライヤーを確率すること、および選択されたサンプルセット(例えば、プレートまたはアレイスコア)に対する全体のサンプルスコアを算出することを含む。 Following the data classification in state 310, the method 300 proceeds to state 315 where confidence values are evaluated for the data points in the sample set. In various embodiments, the statistical framework for which confidence values are determined is based on a combination of several estimated statistical probabilities (eg, probability functions based on individual data point probabilities). This mode of confidence value determination distinguishes conventional methods that rely on training data sets, data models, and neural network approaches, and achieves a relatively high quality estimate of allele call confidence for each data point. During this state 315, further calculations may also be performed, including probing possible outliers and calculating an overall sample score for a selected sample set (eg, plate or array score). Including that.
一般に、本教示による信頼値決定は、結合確率解析に従い、ここで、統計学的評価は、種々の実験パラメーターおよび解析パラメーターの関数として実施され、これらは、次いで組み合わされ、各データポイントに対する信頼値を生成する。例えば、対立遺伝子分類では、信頼値決定は、以下のレベルにおける組合せ統計学的解析を含み得る:(a)可能性関数またはモデルそれ自身、(b)データクラスター、および(c)サンプルデータ。信頼値決定のさらなる詳細は、以下に図4と組合せて記載される。 In general, confidence value determination according to the present teachings follows a joint probability analysis, where statistical evaluation is performed as a function of various experimental and analytical parameters, which are then combined to provide a confidence value for each data point. Is generated. For example, in allelic classification, confidence value determination can include combinatorial statistical analysis at the following levels: (a) a probability function or model itself, (b) a data cluster, and (c) sample data. Further details of confidence value determination are described below in combination with FIG.
種々の実施形態において、前述のステップは、サンプルセットのデータポイントの第1のパス解析を表し、そしてラベルを支援し、そして互いに対するデータポイントの構造または配置を決定する情報の最初の基礎を提供する。さらに、この第1のパス解析は、引き続くパスにおいてモデルを再定式化する目的のために識別され得るアウトライヤーデータポイントを検出することを支援する。 In various embodiments, the foregoing steps represent a first pass analysis of the data points of the sample set and assist in labeling and provide an initial basis for information that determines the structure or arrangement of data points relative to each other To do. In addition, this first pass analysis helps to detect outlier data points that can be identified for the purpose of reformulating the model in subsequent passes.
予備的または「第1のパス」のデータ分類を実施して、この方法300は、分岐状態320に到達し、ここで、このデータは状態325で出力され得るか、あるいは、それに代わって、モデルのさらなる洗練が起こる。種々の実施形態において、1つ以上の「洗練パス」が、データを分類するために用いられたモデルを洗練するために作成され得る。一般に、わずか1つの洗練パスは、モデル特徴を有意に改良し、サンプルセットのための対立遺伝子分類の全体の正確さを増加する。 Performing a preliminary or “first pass” data classification, the method 300 reaches a branch state 320 where the data may be output at state 325 or alternatively, a model. Further refinement of happens. In various embodiments, one or more “sophistication paths” can be created to refine the model used to classify the data. In general, only one refinement pass significantly improves model features and increases the overall accuracy of allelic classification for a sample set.
モデル精緻化は状態330で進行し得、ここで、「アウトライヤーデータ」が検出される。アウトライヤーデータは、単一クラスターの限界内に一般に入らないようなデータポイントを反映し、そしてそれ故、分類することが困難であり得る。アウトライヤーデータを構成するものの決定は柔軟に規定され、そして、例えば、各データポイントに対する強度または角度値の統計学的解析に基づき得る。閾値を超えるデータポイントは、例えば、クラスターに対する平均値によって規定され、解析から排除され得、そして次いで残りのデータポイントを用いて状態335中の再サンプリングセットを規定し得る。 Model refinement may proceed at state 330 where “outlier data” is detected. Outlier data reflects data points that generally do not fall within the limits of a single cluster and can therefore be difficult to classify. The determination of what constitutes outlier data is flexibly defined and can be based on, for example, a statistical analysis of intensity or angle values for each data point. Data points that exceed the threshold may be defined, for example, by an average value for the cluster, excluded from the analysis, and then the remaining data points may be used to define the resampling set in state 335.
この再サンプリングセットは、次いで、状態305における入力として用いられ、モデルパラメーター推定の次のラウンドを実施し、そして上記のように、データが分類され、そして信頼値が算出される。本教示の1つの望ましい特徴は、サンプルセットの現存するデータポイントを用いてさらなるトレーニングデータなくしてモデル精緻化により増加した分類正確度を提供する能力である。 This resampling set is then used as input in state 305 to perform the next round of model parameter estimation, and the data is classified and confidence values are calculated as described above. One desirable feature of the present teachings is the ability to use the existing data points of the sample set to provide increased classification accuracy by model refinement without further training data.
種々の実施形態において、例えば、アレイに基づく対立遺伝子解析では、モデル精緻化は、存在し得るNTCを検出または識別することをさらに含み得る(状態350)。上記のようなデータ正規化またはスケーリングで先には利用されなかったようなNTCと関連する情報は、状態335における再サンプリングで用いられ得る。例えば、NTCは、分類の質を改良するために、各データポイントおよびクラスターについて角度測定がなされる新規起源を規定するために用いられ得る。 In various embodiments, for example, in array-based allelic analysis, model refinement may further include detecting or identifying NTCs that may be present (state 350). Information related to the NTC that was not previously utilized in data normalization or scaling as described above may be used in resampling in state 335. For example, NTC can be used to define a new origin from which angle measurements are made for each data point and cluster to improve classification quality.
第2(または第3、第4など)のパスデータ解析の後、出力遺伝子型および品質値は、状態325で分与され得る。種々の実施形態において、出力データは、検査のためにユーザーに提示されるデータベースまたはその他の記憶手段に保存され得るか、またはさらなる後プロセッシングのための別の適用または器具に向け直す。例えば、データ出力は、低品質データポイント、悪いサンプル、または誤った稼動を識別するフィルターリングルーチンに供され得る。前述の解析方法と組合せて用いられるこれらおよびその他の後プロセッシングルーチンが考慮されるべきであり、本教示のその他の実施形態である。 After a second (or third, fourth, etc.) pass data analysis, the output genotype and quality value may be distributed at state 325. In various embodiments, the output data can be stored in a database or other storage means presented to the user for examination, or redirected to another application or instrument for further post-processing. For example, the data output can be subjected to a filtering routine that identifies low quality data points, bad samples, or incorrect performance. These and other post-processing routines used in combination with the foregoing analysis methods should be considered and are other embodiments of the present teachings.
当業者に認識されるように、可能性等式を洗練するため、および対立遺伝子分類を実施するために用いられる繰り返しの数は、必ずしも厳格である必要はない。特定の状況では、単一パスデータ解析が、良好な予測品質の可能性等式を生成するために十分であり得る。その他の例では、可能性等式開発は、望ましくは、前述のステップの複数繰り返しに亘って生じ得る。さらに、これらステップの順序は、本教示の範囲から逸脱することなく所望により改変され得ることが認識される。例えば、モデル精緻化320のための決定は、信頼値決定315に先行し得る。さらに、その他のステップがこの方法300中に含まれ得、例えば、サンプルデータ積分またはコンセンサス決定を含むデータプロセッシングステップは、データ再サンプリング335後に生じる。結果として、対立遺伝子決定のための方法に対するこれらおよびその他の改変は、本教示であり、別の実施形態であると考えられる。 As will be appreciated by those skilled in the art, the number of repeats used to refine the probability equation and to perform the allelic classification need not necessarily be exact. In certain situations, single pass data analysis may be sufficient to generate a good prediction quality probability equation. In other examples, possibility equation development may desirably occur over multiple iterations of the foregoing steps. Furthermore, it will be appreciated that the order of these steps may be modified as desired without departing from the scope of the present teachings. For example, the decision for model refinement 320 may precede the confidence value decision 315. In addition, other steps may be included in the method 300, for example, a data processing step including sample data integration or consensus determination occurs after data resampling 335. As a result, these and other modifications to the method for allelic determination are the present teachings and are considered alternative embodiments.
種々の実施形態において、このデータ再サンプリングステップ335は、サンプルセット中のデータポイントの数を減少または増加するために用いられ得る。例えば、アウトライヤーデータを棄てることに加えて、データ再サンプリングは、可能性等式決定の第1の繰り返しを通過した入力サンプル情報の基礎に、さらなるデータポイントを生成し得る。このアプローチは、エラー、不確実性、またはその他の情報を基に重み付けられ得、可能性等式の特定のタイプまたはその質の開発をスキュー、方向付け、または嗜好し得る。 In various embodiments, this data resampling step 335 can be used to reduce or increase the number of data points in the sample set. For example, in addition to discarding outlier data, data resampling may generate additional data points on the basis of input sample information that has passed the first iteration of probability equation determination. This approach may be weighted based on errors, uncertainties, or other information, and may skew, direct, or prefer the development of a particular type of likelihood equation or its quality.
1つの局面では、エラー決定アプローチが、この対立遺伝子決定方法中に取り込まれ得、ここで、各対立遺伝子呼び出しは、対応するエラーまたは不確定値と関連し得る。この不確定値は、エラー伝播方法によってさらに決定され得、ここで、この対立遺伝子呼び出し中の不確定値は、上記可能性等式決定の1つ以上の繰り返しに亘ってモニターされる。このエラー情報は、可能性算出で用いられた実験クラスターモデルに対し、理論エラーモデリングプロセス(例えば、ショットノイズ)およびモデル適合(例えば、χ2乗)を通じて伝播したエラー情報に対応し得る。 In one aspect, an error determination approach can be incorporated into the allele determination method, where each allelic call can be associated with a corresponding error or uncertainty value. This uncertainty value can be further determined by an error propagation method, where the uncertainty value during this allele call is monitored over one or more iterations of the likelihood equation determination. This error information may correspond to error information propagated through a theoretical error modeling process (eg, shot noise) and model fitting (eg, χ square) for the experimental cluster model used in the probability calculation.
図4は、データポイント評価のために組合せた統計学的解析405の確率コンポーネントを示す。このモデルは、3つの確率コンポーネントPM410、PP415、およびPC420を含み、ここで、PM410はモデル適合確率解析を表し、PP415は選択されたクラスターに対する帰納的確率解析を表し、そしてPC420は選択されたデータポイントに対するクラスター適合確率解析を表す。このモデル適合確率PM410は、この可能性モデルそれ自身の信頼性を推定するために用いられ得、そして一般に、ウェルサンプルポイントがこのモデルに如何に適合し得るかを測定し;帰納的確率PP415は、推定モデルが与えられる場合、選択されたデータポイントが、指定された対立遺伝子または遺伝子型クラスターCに属する確率を推定するために用いられ得;そしてインクラス確率PC420は、特定モデル中のクラスターが与えられる場合、選択されたクラスターが、特定のデータポイントを生成し得る確率を推定するために用いられ得る。 FIG. 4 shows the stochastic component of statistical analysis 405 combined for data point evaluation. The model includes three probability components P M 410, P P 415, and P C 420, where P M 410 represents a model fit probability analysis, and P P 415 is an inductive probability analysis for the selected cluster. It represents, and P C 420 represents a cluster fit probability analysis on selected data points. This model fit probability P M 410 can be used to estimate the reliability of this likelihood model itself, and generally measures how well sample points can fit this model; P P 415 can be used to estimate the probability that a selected data point belongs to a specified allele or genotype cluster C, given an estimation model; and the in-class probability P C 420 is Given clusters in a particular model, the selected clusters can be used to estimate the probability that a particular data point can be generated.
次いで、これらの確率の積が、データポイント「s」が選択されたシステムによって生成される指定された遺伝子型を有する複合確率を得るためにとられ得る(例えば、遺伝子型決定の決定の正確さを記載した結合確率)。この複合確率を表す等式は以下で与えられる: The product of these probabilities can then be taken to obtain a composite probability with the specified genotype generated by the system for which the data point “s” was selected (eg, the accuracy of genotyping decisions). The joint probability). The equation representing this composite probability is given by:
この推定されたモデルを基礎として用い、帰納的確率PP415が相対的に高い程度の正確さで算出され得、モデル適合確率PM410およびインクラス確率PC420は、モデル適合の規定に一部基づいて主体的に推定される。さらに、知覚された信頼値は、一般に、決定の確率に関連していること(これは必ずしも同一である必要はない)、そしてその結果、この知覚された信頼性は、決定の確率の実験的関数として設定され得ることに注目すべきである。一緒に考慮して、確率の複合関数が、等式によって記載される信頼値cvを形成する。 Using this estimated model as a basis, the recursive probability P P 415 can be calculated with a relatively high degree of accuracy, and the model fit probability P M 410 and the in-class probability P C 420 are used to define the model fit. Estimated proactively based on part. In addition, the perceived confidence value is generally related to the probability of the decision (which need not necessarily be the same), and as a result, this perceived reliability is an experimental decision probability. Note that it can be set as a function. Considered together, the composite function of probabilities forms the confidence value cv described by the equation.
各構成要素の確率410、415、420および複合的な解析405へのこれらの適用の詳細は、より詳細に本明細書中の以下に記載される。 Details of the probabilities 410, 415, 420 of each component and their application to the composite analysis 405 are described in more detail herein below.
帰納的確率Pp
帰納的確率の計算は一般的に、選択されたデータポイントが他のクラスターに対して選択されたクラスター内に一致する確率がいくらであるかを確立することを試みる。先述の通り、帰納的確率は、条件CJにより反映される推定統計モデルに基づく特定のクラスターに従属する選択されたデータポイント「x」の可能性を示す。統計モデルが推定された場合、帰納的確率は、ベイズアプローチを使用することにより計算され得る。どのような帰納的確率が、ベイズ決定理論に適用され得るかについての更なる詳細について、読者は、Duda,R.およびHart,P.;‘‘Pattern Classification and Scene Analysis’’;John Wiley;New York;1973を参照する。一つの局面において、帰納的確率は、以下の公式:
Inductive probability P p
Inductive probability calculations generally attempt to establish what is the probability that a selected data point matches within a selected cluster relative to other clusters. As described above, a posteriori probability indicates the likelihood of the selected data points is dependent on the specific cluster based on the estimated statistical model is reflected by the condition C J "x". If a statistical model is estimated, the inductive probability can be calculated by using a Bayesian approach. For further details on what inductive probabilities can be applied to Bayesian decision theory, the reader is referred to Duda, R .; And Hart, P .; ”Pattern Classification and Scene Analysis”; John Wiley; New York; In one aspect, the inductive probability is the following formula:
に従って決定され得る。 Can be determined according to
これらの公式において、アプリオリ確率P(Cj)は、大きい対立遺伝子頻度をp、および小さい対立遺伝子頻度をq=1−pと、仮定することによる対立遺伝子頻度から誘導され得る。これから、アプリオリ確率は: In these formulas, the a priori probability P (C j ) can be derived from the allelic frequency by assuming a large allelic frequency p and a small allelic frequency q = 1−p. From now on, the apriori probability is:
として、決定され得る。 As can be determined.
これらの公式によるとP(C1)は、多数のホモ接合SNP(例えば、[A/A])有する確率を示し、P(C2)は、ヘテロ接合SNP(例えば、[A/B])有する確率を示し、およびP(C3)は、少数のホモ接合SNP(例えば、[B/B])有する確率を示す。 According to these formulas, P (C 1 ) indicates the probability of having a large number of homozygous SNPs (eg, [A / A]), and P (C 2 ) is a heterozygous SNP (eg, [A / B]). And P (C 3 ) indicates the probability of having a small number of homozygous SNPs (eg, [B / B]).
モデル適合の確率
一つの局面において、データポイントの解析は、モデル適合の観点から検討され得、この検討の適用は一般的に全てのデータポイントに影響を及ぼす。この確率は、どのような良い適合が、データポイントとモデルとの間にあるのかを推定することを試みる。モデル適合の確率は、モデル適合の測定として尤度関数を使用することにより決定され得、および公式:
Probability of Model Fit In one aspect, the analysis of data points can be considered from the perspective of model fit, and the application of this consideration generally affects all data points. This probability attempts to estimate what good fit is between the data point and the model. The probability of model fit can be determined by using the likelihood function as a measure of model fit, and the formula:
により定義される。
この公式において、xn,n=1,...,Nは、サンプルセット内のデータポイントの代理である。帰納的確率自体の分布を観察することは、モデル適合についての情報を与え得、モデル適合の確率は、尤度関数および公式:
Defined by
In this formula, x n , n = 1,. . . , N are surrogates for data points in the sample set. Observing the distribution of the inductive probability itself can give information about model fit, and the probability of model fit is a likelihood function and formula:
に従って計算され得る帰納的確率または全てのデータポイントの分布の関数として定義され得る。 Can be defined as a function of the inductive probability that can be calculated according to or the distribution of all data points.
インクラス確率PC
一般的に、「インクラス確率」は、所定のデータポイントが、推定モデルが与える割り当てられた遺伝子型クラスにより生じる確率を反映し得る。この確率解析は、クラスター(例えば、クラスターの中対境界)内の選択されたデータポイントのポジションまたはロケーションを検討する。この確率は、ポイントとモデルの平均角度との間の角度の差およびデータポイントとモデルの平均強度との間の強度の差の両者から、推定され得る。一つの局面において、確率の推定は、公式:
In-class probability P C
In general, “in-class probabilities” may reflect the probability that a given data point is caused by the assigned genotype class given by the estimation model. This probabilistic analysis considers the position or location of the selected data point within the cluster (eg, the middle pair boundary of the cluster). This probability can be estimated from both the difference in angle between the point and the average angle of the model and the difference in intensity between the data point and the average intensity of the model. In one aspect, the probability estimate is the formula:
により、定義される極性の領域(例えば、角度−強度の領域)における分離可能な二次元のガウス関数から算定される。 Is calculated from a separable two-dimensional Gaussian function in a defined polarity region (eg, angle-intensity region).
公式において、rは、平均的なモデル強度を示しているrmを伴うデータポイント強度を示し、θは、平均的なモデル角度を示しているθmを伴うサンプルポイントの角度を示し、σrおよびσθは、強度および角度それぞれに対する標準偏差を示し、そしてkは、信頼値のスケールに使用される倍率である。 In formula, r is, shows data points intensity with the r m, which shows an average model strength, theta represents the angle of the sample points with theta m showing the average model angle, sigma r And σ θ denote the standard deviation for intensity and angle, respectively, and k is the scaling factor used for the confidence value scale.
この公式に従うと、第一のガウス関数は、強度の分布を示すために使用される第二のガウス関数を伴うクラスター内における角度の分布を示すために使用され得る。さらに、強度および角度に対する平均および標準偏差は、クラスターに割り当てられるデータポイントから計算され得る。 According to this formula, the first Gaussian function can be used to show the distribution of angles in the cluster with the second Gaussian function used to show the intensity distribution. Furthermore, the mean and standard deviation for intensity and angle can be calculated from the data points assigned to the clusters.
図5は、ガウス関数のためのパラメーターが、クラスターに割り振られたデータポイントから推定される角度空間(angle space)において示された典型的なガウス関数500を例示する。先述の通り、角度の測定された標準偏差は、結果としてもたらされた確率の推定値505を較正するために、選択された係数によりスケーリングされ得る。例えば、スケール係数kは、4σθの角度の差がおよそ96.5%の確率(P−value)を生じるように設定され得る。この様式におけるスケーリングは、信頼値の閾値がおよそ95%に設定された場合、関連するクラスターにおける平均値から4σθ以内のデータポイントを含むために使用され得る。このようなスケーリングは、データ解析の間の異なる程度の選択性および感受性を得るため様々な異なる値に対して行われ得ると理解される。同様のガウス関数およびスケーリング方法がまた、サンプルセットのデータポイントについての強度の値に適用され得る(図示せず)。 FIG. 5 illustrates an exemplary Gaussian function 500 in which the parameters for the Gaussian function are shown in angle space estimated from the data points assigned to the cluster. As previously noted, the measured standard deviation of the angle can be scaled by a selected factor to calibrate the resulting probability estimate 505. For example, the scale factor k may be set such that an angle difference of 4σ θ yields a probability (P-value) of approximately 96.5%. Scaling in this manner can be used to include data points within 4σ θ from the average value in the associated cluster when the confidence threshold is set to approximately 95%. It is understood that such scaling can be performed on a variety of different values to obtain different degrees of selectivity and sensitivity during data analysis. Similar Gaussian functions and scaling methods may also be applied to the intensity values for the data points of the sample set (not shown).
前述より、本明細書中に記載される方法は、具体的な適用に由来する知識と組み合わせたクラスター形成のアプローチを基にした統計学的なモデルを使用する対立遺伝子コーリング(allele calling)および遺伝子型の同定のための方法を提供する。これらの方法は、多くの異なる条件における対立遺伝子コーリングのための統一の枠組みを提供し、および様々な同定の方法論(例えば、Taqmanベースのアプローチ、アレイに基づく同定スキームおよびキャピラリー電気泳動のデータ(例えば、SMPlexデータ)を含む)から得られたデータに適用され得る。さらに、エラー推定値を作成するために使用される様々なエラー伝搬(error propagation)方法および前述の様々な同定の方法論に由来する信頼値が、解析および対立遺伝子コーリングの前にクラスター形成法のための入力に使用され得る。その上、これらの方法の原理および構造は、異なる適用に対しても一般に同様に残存する一方で、様々な方法のパラメーターおよび閾値は、他の条件において使用するため方法の柔軟性を改良するように、適用において使用されるデータの特定の特徴に従って調節され得る。 From the foregoing, the methods described herein are based on allele calling and gene using a statistical model based on a clustering approach combined with knowledge from specific applications. A method for type identification is provided. These methods provide a unified framework for allelic calling in many different conditions, and various identification methodologies (eg, Taqman-based approaches, array-based identification schemes and capillary electrophoresis data (eg, , SMPlex data). In addition, confidence values derived from the various error propagation methods used to generate error estimates and the various identification methodologies described above are useful for clustering methods prior to analysis and allele calling. Can be used for input. Moreover, while the principles and structure of these methods generally remain the same for different applications, the various method parameters and thresholds seem to improve the flexibility of the method for use in other conditions. And can be adjusted according to the particular characteristics of the data used in the application.
モデル開発の可能性のための上記の解析方法に加えて、他のモデル適合方法が、対立遺伝子クラスター形成のアプローチに代えてまたは関連して使用され得る。例えば、カイ二乗適合アプローチ、K−平均値クラスター形成、機械学習のアプローチ、およびニューラルネットワークが、データ評価および対立遺伝子決定のための適切な尤度方程式を開発するために使用され得る。その上、クラスター化の信頼度は、同定されたクラスターの特徴(例えば、中心/境界)が容認可能である確率を評価するために選択した尤度モデルおよび公知のサンプルセットを使用することによって評価され得る。この「確かさのチェック(sanity check)」の一つの機能は、選択した尤度機能が、適切なまたは予期したクラスターを伴う選択したデータポイントおよび関連する対立遺伝子のコールに関連するか否かを評価するためのものである。 In addition to the analysis methods described above for model development possibilities, other model fitting methods can be used instead of or in conjunction with the allelic clustering approach. For example, chi-square fitting approaches, K-means clustering, machine learning approaches, and neural networks can be used to develop appropriate likelihood equations for data evaluation and allele determination. Moreover, the clustering confidence is assessed by using a selected likelihood model and a known sample set to assess the probability that the identified cluster features (eg, center / boundary) are acceptable. Can be done. One function of this “sanity check” is whether the selected likelihood function is associated with the selected data point and the associated allelic call with the appropriate or expected cluster. It is for evaluation.
図6は、本明細書で教示する対立遺伝子の分類アプローチに適用するアレイに基づく解析のための典型的な方法600を例示する。様々な実施形態において、この方法600は、単一の登録およびサンプルの同定操作を伴う状態605において開始する。一般的に、アレイに関連するシグナルは、特定のサンプル組成に関連し得る既知の位置を有する。そのためSNP解析において使用されるアレイについてアレイ上の異なる位置から生じるシグナルは、対応するSNP成分とそれぞれ関連し得る。一つの局面において、解読ファイルまたはシグナル/サンプルの同定マスクは、アレイを解析するに際して使用するための適切な関係を生じるように使用され得る。 FIG. 6 illustrates an exemplary method 600 for array-based analysis applied to the allelic classification approach taught herein. In various embodiments, the method 600 begins at state 605 with a single registration and sample identification operation. In general, the signal associated with the array has a known location that can be associated with a particular sample composition. Thus, the signals originating from different locations on the array for the array used in the SNP analysis can each be associated with a corresponding SNP component. In one aspect, the decryption file or signal / sample identification mask can be used to create an appropriate relationship for use in analyzing the array.
続く、状態610において、アレイ上の特定の位置に関連するシグナルは、定量され得る。特定の実施形態において、複製は凝集性のものであり得、ならびにエラー推定値は、さらなる解析のため伝播するエラーの集合体を伴い実施され得る。 Subsequently, in state 610, the signal associated with a particular location on the array can be quantified. In certain embodiments, replication can be cohesive, and error estimates can be performed with a collection of propagating errors for further analysis.
状態615において、エラー訂正のルーチンは、コントロールシグナルの情報、予期される分布適合、ノーマライゼーション、およびさらに処理するためアレイのデータを処理するために設計された他の操作の解析を含み得るものを使用し得る。 In state 615, an error correction routine is used that may include analysis of control signal information, expected distribution fit, normalization, and other operations designed to process the array data for further processing. Can do.
まとめると、状態620において、前述の情報は、次いで入力として使用され得、ならびに前述の対立遺伝子分類方法と同時に使用され得、そして次いで研究者に対して示され得または他の適用もしくは機器による後処理のための準備され得る。 In summary, in state 620, the aforementioned information can then be used as input, as well as used in conjunction with the aforementioned allelic classification method, and then presented to the researcher or later by other applications or instruments. Can be prepared for processing.
図7は、前述の方法に従い対立遺伝子の分類を実施するために使用され得る、典型的なシステム700を例示する。一つの局面において、サンプル処理のコンポーネント705は、サンプルの処理およびデータ収集に関連する操作を行うための手段を提供し得る。これらの操作には、例えば、適切なマーカーまたは標識の存在下で、サンプルを標識する、増幅するおよび/または反応させる;適切な解析用の基質または培地にサンプルを曝す;および、対立遺伝子の分類方法のため入力データとして与えられるサンプルからのシグナルまたは放射を検出する、ことが含まれ得る。これらの操作に関連し得る機器には、アレイ解析機器、シークエンシング機器、蛍光シグナル検出機器、サーマルサイクラー、およびサンプル処理およびデータ収集に使用する他のこのような機器が、含まれるがこれらに限定はされない。 FIG. 7 illustrates an exemplary system 700 that can be used to perform allelic classification according to the methods described above. In one aspect, the sample processing component 705 can provide a means for performing operations related to sample processing and data collection. These manipulations include, for example, labeling, amplifying and / or reacting the sample in the presence of a suitable marker or label; exposing the sample to a suitable analytical substrate or medium; and allelic classification Detecting a signal or radiation from a sample that is provided as input data for the method. Equipment that may be relevant to these operations includes, but is not limited to, array analysis equipment, sequencing equipment, fluorescent signal detection equipment, thermal cyclers, and other such equipment used for sample processing and data collection. Not done.
サンプル処理のコンポーネント705により与えられる生データは、続いてデータ保存のコンポーネント715に保存され得る。このコンポーネント715は、例えば、ハードディスクドライブ、テープドライブ、光学記憶装置媒体、ランダムアクセスメモリ、読み出し専用メモリー、プログラマブルフラッシュメモリー装置、および他のコンピューターまたは電子部品を含む、データおよび情報の保存のために設計された任意の様々なタイプの装置を含み得る。さらに、サンプル処理のコンポーネント705から得られたデータおよび情報は、データベース、スプレッドシート、もしくは他の適切なデータ構造、データ保存オブジェクト、またはデータ保存コンポーネント715と関連して機能するアプリケーション内に、保存および体系付けされ得る。 The raw data provided by the sample processing component 705 can then be stored in the data storage component 715. This component 715 is designed for storage of data and information, including, for example, hard disk drives, tape drives, optical storage media, random access memory, read only memory, programmable flash memory devices, and other computers or electronic components. Any of various types of devices may be included. Further, data and information obtained from the sample processing component 705 may be stored and stored in a database, spreadsheet, or other suitable data structure, data storage object, or application that functions in conjunction with the data storage component 715. Can be organized.
様々な実施形態において、データ解析コンポーネント710は、システム700内に提示され得る。このコンポーネント710は、サンプル処理のコンポーネント705またはデータ保存コンポーネント715から、データおよび情報を得るための機能性を有する。データ解析コンポーネント710はさらに、前述の対立遺伝子の分類方法の実施のハードウェアまたはソフトウェアを提供し得る。一つの局面において、データ解析コンポーネント710は、入力データを受けるために設定され、ならびにデータ保存コンポーネント715内に保存され得る、またはディスプレイ端末720を介して研究者に直接的に表示され得る対立遺伝子の分類または遺伝子型同定の情報を含む処理したデータを返し得る。 In various embodiments, the data analysis component 710 can be presented in the system 700. This component 710 has functionality for obtaining data and information from the sample processing component 705 or the data storage component 715. The data analysis component 710 may further provide hardware or software for performing the aforementioned allele classification method. In one aspect, the data analysis component 710 is configured to receive input data and can be stored in the data storage component 715 or displayed directly to the researcher via the display terminal 720. Processed data containing classification or genotyping information may be returned.
前述のコンポーネント705、710、715、720の各機能性は、単一のハードウェア装置へまたは一以上の別個の装置へと統合され得る。これらの装置はさらに、研究者により望まれるような装置間の情報伝達およびデータの移動を容易にするネットワークの接続性を有し得る。本明細書で教示する対立遺伝子の分類方法を実施する多数の適切なハードウェアおよびソフトウェアの構造は、各これらの構造が、本明細書で教示する他の実施形態についても検討すべく、開発され得ることが理解される。 Each functionality of the aforementioned components 705, 710, 715, 720 may be integrated into a single hardware device or into one or more separate devices. These devices may further have network connectivity that facilitates information transfer and data movement between devices as desired by researchers. Numerous suitable hardware and software structures that implement the allele classification methods taught herein have been developed so that each of these structures can also be considered for other embodiments taught herein. It is understood that you get.
本発明の上に開示した実施形態は、上に開示した実施形態に適用するように、発明の基礎的な新しい特徴を見せ、記述し、および指摘したが、例示した装置、システム、および/または方法の詳細な形式内で様々な省略、代替、ならびに変更が、本発明の範囲から逸脱することなく、当業者によりなされ得ることが理解される。したがって、本発明の範囲は、先述の明細書に限定すべきではなく、添付された特許請求の範囲により定義されるべきである。 While the above disclosed embodiments of the present invention have shown, described and pointed out fundamental novel features of the invention as applied to the above disclosed embodiments, the illustrated apparatus, system, and / or It will be understood that various omissions, alternatives, and modifications within the detailed form of the method may be made by those skilled in the art without departing from the scope of the invention. Accordingly, the scope of the invention should not be limited to the foregoing specification but should be defined by the appended claims.
この明細書内で触れた全ての出版物および特許出願は、本発明に関する当業者の技術のレベルを示す。全ての出版物および特許出願は、各それぞれの出版物または特許出願が、参考文献により援用されるために明確におよび個々に示されるごとく同程度まで参考として、本明細書中に援用される。 All publications and patent applications mentioned in this specification are indicative of the level of skill of those skilled in the art to which the invention pertains. All publications and patent applications are hereby incorporated by reference to the same extent as if each respective publication or patent application was specifically and individually indicated to be incorporated by reference.
Claims (83)
複数のサンプルに関する強度情報を取得する工程であって、ここで、該強度情報は、第1の対立遺伝子と関連する第1の強度成分および第2の対立遺伝子と関連する第2の強度成分を含む、工程;
複数のサンプルの各々に対する強度情報を評価して、1以上のデータクラスタを同定する工程であって、クラスタの各々は、該第1の強度成分を第2に強度成分に対して比較することによって、別個の対立遺伝子の組合せと関連付けられ、そして、部分的に決定される、工程;
選択されたサンプルが、その強度情報に基づいて特定のデータクラスタ中に存在する確率を予測する尤度モデルを生成する工程;および
該尤度モデルを該複数のサンプルの各々に対して適用して、その関連する対立遺伝子構成を決定する工程;
を包含する、方法。 A method for allelic classification, the method comprising:
Obtaining intensity information for a plurality of samples, wherein the intensity information includes a first intensity component associated with the first allele and a second intensity component associated with the second allele. Including a process;
Evaluating intensity information for each of a plurality of samples to identify one or more data clusters, each of the clusters by comparing the first intensity component to a second intensity component; Associated with and partially determined by a combination of distinct alleles;
Generating a likelihood model that predicts the probability that a selected sample is present in a particular data cluster based on the intensity information; and applying the likelihood model to each of the plurality of samples Determining its associated allelic composition;
Including the method.
変異解析を実施するために使用される、方法。 The method of claim 1, wherein the allelic classification is used to perform mutation analysis of one or more samples.
一塩基多型解析を実施するために使用される、方法。 2. The method of claim 1, wherein the allelic classification is used to perform single nucleotide polymorphism analysis of one or more samples.
複数のデータポイントを含むサンプルセットを同定する工程であって、各々のデータポイントが第1の強度成分と第2の強度成分との間の関連を代表する角度値を有する、工程;
尤度モデルおよび関連するパラメータセットを生成する工程であって、ここで、該データポイントの角度値が、該尤度モデルで使用される適切なパラメータを決定する際に使用され、そして、ここで、該尤度モデルの有効性が、該尤度モデルが該データセットにおいて選択されたデータポイントを適切に同定する確率を評価することによって評価される、工程;
該尤度モデルを該データセットにおける複数のデータポイントに適用して、そして該データポイントを別個のクラスタにグループ分けする工程;および
別個のクラスタの各々およびその成分データポイントと選択された分類とを関連付ける工程
を包含する、方法。 A method for clustering analysis, the method comprising:
Identifying a sample set comprising a plurality of data points, each data point having an angle value representative of an association between a first intensity component and a second intensity component;
Generating a likelihood model and an associated parameter set, wherein the angle values of the data points are used in determining appropriate parameters to be used in the likelihood model, and where The effectiveness of the likelihood model is evaluated by evaluating the probability that the likelihood model properly identifies the selected data point in the data set;
Applying the likelihood model to a plurality of data points in the data set and grouping the data points into separate clusters; and each of the separate clusters and its component data points and a selected classification. A method comprising the step of associating.
少なくとも2つの成分強度値を有する複数のデータポイントの各々を含むサンプルセットを同定する工程;
該複数のデータポイントに対する成分強度値を評価して、該データポイントを、別個の対立遺伝子分類を表す1以上のデータクラスタにグループ分けする工程;
その成分強度値を使用して選択されたデータポイントのグループ分けを記述する最尤関数を生成する工程;および
該最尤関数を使用してデータポイントの各々と対立遺伝子分類とを関連付ける工程
を包含する、方法。 A method for allelic classification comprising the following:
Identifying a sample set comprising each of a plurality of data points having at least two component intensity values;
Evaluating component intensity values for the plurality of data points and grouping the data points into one or more data clusters representing distinct allelic classifications;
Generating a maximum likelihood function describing the grouping of selected data points using the component intensity values; and associating each of the data points with an allelic classification using the maximum likelihood function how to.
複数のサンプルに関する実験情報を取得する工程であって、ここで、該実験情報は、第1の対立遺伝子と関連する第1のデータ成分および第2の対立遺伝子と関連する第2のデータ成分を含む、工程;
複数のサンプルの各々についての実験情報を評価して、1以上のデータクラスタを同定する工程であって、クラスタの各々は、部分的に該第1のデータ成分を第2にデータ成分に対して比較することによって、別個の対立遺伝子の組合せと関連付けられ、そして、部分的に決定される、工程;
選択されたサンプルが、その実験情報に基づいて特定のデータクラスタ中に存在する確率を予測する尤度モデルを生成する工程;および
該尤度モデルを該複数のサンプルの各々に対して適用して、その関連する対立遺伝子構成を決定する工程;
を、汎用コンピュータに実行させる命令をその上に記憶している、コンピュータ読み取り可能記憶媒体。 A computer readable medium comprising the following steps:
Obtaining experimental information on a plurality of samples, wherein the experimental information includes a first data component associated with a first allele and a second data component associated with a second allele. Including a process;
Evaluating experimental information for each of the plurality of samples to identify one or more data clusters, each of the clusters partially including the first data component in relation to the second data component; By comparing and partially determined by comparing and partially determining a combination of distinct alleles;
Generating a likelihood model that predicts the probability that a selected sample is present in a particular data cluster based on the experimental information; and applying the likelihood model to each of the plurality of samples Determining its associated allelic composition;
A computer-readable storage medium having stored thereon instructions for causing a general-purpose computer to execute.
複数のデータポイントを含むサンプルセットを同定する工程であって、各々のデータポイントは、第1の強度成分と第2の強度成分との間の関係を表す角度値を有する、工程;
尤度モデルおよび関連するパラメータセットを生成する工程であって、ここで、前記データポイントの角度値が、該尤度モデルにおいて使用される適切なパラメータを決定する際に使用され、かつ、該尤度モデルの有効性が、該尤度モデルが該サンプルセット中の選択されたデータポイントを適切に同定する確率を評価することによって評価される工程;該尤度モデルを該サンプルセット中の該複数のデータポイントに適用して、別個のクラスタに該データポイントをグループ分けする工程;および
選択した分類と別個のクラスタの各々およびその成分データポイントとを関連付ける工程
を、汎用コンピュータに実行させる命令をその上に記憶している、コンピュータ読み取り可能記憶媒体。 A computer readable medium comprising the following steps:
Identifying a sample set comprising a plurality of data points, each data point having an angle value representing a relationship between a first intensity component and a second intensity component;
Generating a likelihood model and an associated parameter set, wherein the angle values of the data points are used in determining appropriate parameters to be used in the likelihood model, and the likelihood The effectiveness of the degree model is evaluated by evaluating the probability that the likelihood model properly identifies the selected data point in the sample set; the plurality of likelihood models in the sample set; Instructions to cause a general-purpose computer to perform the steps of applying to the data points and grouping the data points into separate clusters; and associating the selected classification with each of the separate clusters and its component data points. A computer-readable storage medium stored above.
複数のデータポイントを含むサンプルセットを同定する工程であって、データポイントの各々が少なくとも2つの成分実験値を含む工程;
該複数のデータポイントについての成分実験値を評価して、該データポイントを別個の対立遺伝子分類を表す1以上のデータクラスタにグループ分けする工程;
その成分実験値を使用して選択されたデータポイントのグループ分けを記述する最尤関数を生成する工程;および
該最尤関数を使用してデータポイントの各々と対立遺伝子分類を関連付ける工程
を、汎用コンピュータに実行させる命令をその上に記憶している、コンピュータ読み取り可能記憶媒体。 A computer readable medium comprising the following steps:
Identifying a sample set comprising a plurality of data points, each of the data points comprising at least two component experimental values;
Evaluating component experimental values for the plurality of data points and grouping the data points into one or more data clusters representing distinct allelic classifications;
Generating a maximum likelihood function describing a grouping of selected data points using the component experimental values; and associating each of the data points with an allele classification using the maximum likelihood function; A computer readable storage medium having stored thereon instructions to be executed by a computer.
該システムは、
データベース;および
プログラム;
を備え、
該データベースは、複数のサンプルについての実験情報を記憶するためのデータベースであって、該実験情報は、各々のサンプルの対立遺伝子構成を反映し;
該プログラムは、以下の操作:
該データベースから複数のサンプルについての実験情報を検索する工程であって、ここで、該実験情報は、第1の対立遺伝子と関連する第1のデータ成分および第2の対立遺伝子と関連する第2のデータ成分を含む、工程;
複数のサンプルの各々に対する実験情報評価して1以上のデータクラスタを同定する工程であって、各々のクラスタは、該実験成分に対して第1の実験成分を比較することによって、別個の対立遺伝子構成と関連付けられそして部分的に決定される工程;
該尤度モデル自体の信頼性、ならびに選択されたサンプルおよびそのそれぞれの実験情報が該モデルにどの程度適合するかということを評価するモデル適合確率評価を含む尤度モデルを生成する工程であって、該モデルは、選択されたサンプルがその実験情報に基づいて特定のデータクラスタと関連付けられる確率を予測するためにさらに使用される、工程;ならびに
該尤度モデルを該複数のサンプルの各々に適用してその関連する対立遺伝子構成を決定する工程
を実行する、
システム。 A computer-based system for performing allelic classification,
The system
Databases; and programs;
With
The database is a database for storing experimental information for a plurality of samples, the experimental information reflecting the allelic composition of each sample;
The program has the following operations:
Retrieving experimental information for a plurality of samples from the database, wherein the experimental information includes a first data component associated with the first allele and a second associated with the second allele. Including a data component of;
Evaluating experimental information for each of a plurality of samples to identify one or more data clusters, each cluster comprising a distinct allele by comparing a first experimental component to the experimental component; A step associated with and partially determined by the composition;
Generating a likelihood model including a reliability of the likelihood model itself and a model fit probability evaluation that evaluates how well the selected sample and its respective experimental information fits the model, The model is further used to predict the probability that a selected sample is associated with a particular data cluster based on the experimental information; and applying the likelihood model to each of the plurality of samples Performing the step of determining its associated allelic composition,
system.
該システムは
データベース;および
プログラム;
を備え、
該データベースは、複数のサンプルについての実験情報を記憶するためのデータベースであって、該実験情報は、各々のサンプルの対立遺伝子構成を反映し;
該プログラムは、以下の操作:
複数のデータポイントを含むサンプルセットを同定する工程であって、各々データポイントは、第1の強度成分と第2の強度成分との間の関連を示す角度値を有する、工程;
尤度モデルおよび関連するパラメータセットを生成する工程であって、ここで、該データポイントの角度値が、該尤度モデルにおいて使用される適切なパラメータを決定する際に使用され、そして、該尤度モデルの有効性が、該尤度モデルが、サンプルセットにおける選択されたデータポイントを適切に同定する確率を評価することによって評価する、工程;
該尤度モデルを該サンプルセット中の複数のデータポイントに対して適用し、そして、該データポイントを別個のクラスタにグループ分けする工程;および
別個のクラスタ各々およびその成分データポイントと選択された分類とを関連付ける工程
を実施する、システム。 A computer-based system for performing allelic classification,
The system includes a database; and a program;
With
The database is for storing experimental information for a plurality of samples, the experimental information reflecting the allelic composition of each sample;
The program has the following operations:
Identifying a sample set comprising a plurality of data points, each data point having an angle value indicative of an association between a first intensity component and a second intensity component;
Generating a likelihood model and an associated parameter set, wherein the angle values of the data points are used in determining appropriate parameters to be used in the likelihood model, and the likelihood Evaluating the effectiveness of the degree model by evaluating the probability that the likelihood model properly identifies the selected data point in the sample set;
Applying the likelihood model to a plurality of data points in the sample set and grouping the data points into distinct clusters; and a classification selected with each distinct cluster and its component data points A system that performs the process of associating with.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US39284102P | 2002-06-28 | 2002-06-28 | |
PCT/US2003/020528 WO2004003234A2 (en) | 2002-06-28 | 2003-06-30 | A system and method for snp genotype clustering |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005531853A true JP2005531853A (en) | 2005-10-20 |
Family
ID=30000942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004518095A Pending JP2005531853A (en) | 2002-06-28 | 2003-06-30 | System and method for SNP genotype clustering |
Country Status (6)
Country | Link |
---|---|
US (1) | US20040126782A1 (en) |
EP (1) | EP1535232A2 (en) |
JP (1) | JP2005531853A (en) |
AU (1) | AU2003247832A1 (en) |
CA (1) | CA2490766A1 (en) |
WO (1) | WO2004003234A2 (en) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008032822A1 (en) * | 2006-09-14 | 2008-03-20 | Olympus Corporation | Sample data reliability evaluation method and sample data reliability evaluation device |
JP2008533558A (en) * | 2005-02-10 | 2008-08-21 | アプレラ コーポレイション | Normalization method for genotype analysis |
WO2009017204A1 (en) * | 2007-08-01 | 2009-02-05 | Olympus Corporation | Clustering method, program, and device |
US8024155B2 (en) | 2006-09-14 | 2011-09-20 | Olympus Corporation | Sample data reliability evaluation method and sample data reliability evaluation apparatus |
JP2013530434A (en) * | 2010-04-08 | 2013-07-25 | ライフ テクノロジーズ コーポレーション | System and method for genotyping by searching angular composition |
WO2016157473A1 (en) * | 2015-04-01 | 2016-10-06 | 株式会社 東芝 | Genotype determination device and method |
JP2017163890A (en) * | 2016-03-15 | 2017-09-21 | 株式会社東芝 | Genotype determination apparatus, genotype determination method and computer program |
JP2019500706A (en) * | 2015-10-18 | 2019-01-10 | アフィメトリックス インコーポレイテッド | Single nucleotide polymorphisms and indel biallelic genotyping |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7259258B2 (en) | 2003-12-17 | 2007-08-21 | Illumina, Inc. | Methods of attaching biological compounds to solid supports using triazine |
US7035740B2 (en) | 2004-03-24 | 2006-04-25 | Illumina, Inc. | Artificial intelligence and global normalization methods for genotyping |
US20060134662A1 (en) * | 2004-10-25 | 2006-06-22 | Pratt Mark R | Method and system for genotyping samples in a normalized allelic space |
US7702435B2 (en) * | 2004-11-05 | 2010-04-20 | Honeywell International Inc. | Method and apparatus for system monitoring and maintenance |
US8153363B2 (en) * | 2005-01-13 | 2012-04-10 | Progenika Biopharma S.A. | Methods and products for in vitro genotyping |
EP1836322B8 (en) * | 2005-01-13 | 2017-01-11 | Progenika Biopharma, S.A. | Methods and products for in vitro genotyping |
US7398171B2 (en) * | 2005-06-30 | 2008-07-08 | Applera Corporation | Automated quality control method and system for genetic analysis |
US20070178500A1 (en) * | 2006-01-18 | 2007-08-02 | Martin Lucas | Methods of determining relative genetic likelihoods of an individual matching a population |
US8285486B2 (en) * | 2006-01-18 | 2012-10-09 | Dna Tribes Llc | Methods of determining relative genetic likelihoods of an individual matching a population |
JP4516107B2 (en) * | 2007-12-19 | 2010-08-04 | 株式会社東芝 | Base sequence determination method, base sequence determination system, and base sequence determination program |
HUP1200622A2 (en) | 2012-10-30 | 2014-05-28 | Budapesti Mueszaki Es Gazdasagtudomanyi Egyetem | Method and computer program product for genotype classification |
US10565501B1 (en) * | 2013-04-19 | 2020-02-18 | Amazon Technologies, Inc. | Block device modeling |
CN104809098A (en) * | 2014-01-27 | 2015-07-29 | 华为技术有限公司 | Method and device for determining statistical model parameter based on expectation-maximization algorithm |
JP7080828B2 (en) * | 2016-05-27 | 2022-06-06 | ライフ テクノロジーズ コーポレーション | Methods and systems for a graphical user interface to biological data |
US10650621B1 (en) | 2016-09-13 | 2020-05-12 | Iocurrents, Inc. | Interfacing with a vehicular controller area network |
JP2020042488A (en) * | 2018-09-10 | 2020-03-19 | 富士ゼロックス株式会社 | Information processing device and program |
CN110782949A (en) * | 2019-10-22 | 2020-02-11 | 王文婷 | Multilayer gene weighting grouping method based on maximum minimum sequence search |
CN113192556B (en) * | 2021-03-17 | 2022-04-26 | 西北工业大学 | Genotype and phenotype association analysis method in multigroup chemical data based on small sample |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5762876A (en) * | 1991-03-05 | 1998-06-09 | Molecular Tool, Inc. | Automatic genotype determination |
US6703228B1 (en) * | 1998-09-25 | 2004-03-09 | Massachusetts Institute Of Technology | Methods and products related to genotyping and DNA analysis |
US6274317B1 (en) * | 1998-11-02 | 2001-08-14 | Millennium Pharmaceuticals, Inc. | Automated allele caller |
AU2002211212A1 (en) * | 2000-07-21 | 2002-02-05 | Applera Corporation | Methods, systems, and articles of manufacture for evaluating biological data |
US6920398B2 (en) * | 2001-06-08 | 2005-07-19 | President And Fellows Of Harvard College | Haplotype determination |
JP2005516300A (en) * | 2002-01-25 | 2005-06-02 | アプレラ コーポレイション | How to place, accept, and fulfill orders for products and services |
US7272506B2 (en) * | 2002-03-01 | 2007-09-18 | Applera Corporation | Computer algorithm for automatic allele determination from fluorometer genotyping device |
-
2003
- 2003-06-30 WO PCT/US2003/020528 patent/WO2004003234A2/en active Application Filing
- 2003-06-30 CA CA002490766A patent/CA2490766A1/en not_active Abandoned
- 2003-06-30 EP EP03762221A patent/EP1535232A2/en not_active Withdrawn
- 2003-06-30 US US10/611,414 patent/US20040126782A1/en not_active Abandoned
- 2003-06-30 JP JP2004518095A patent/JP2005531853A/en active Pending
- 2003-06-30 AU AU2003247832A patent/AU2003247832A1/en not_active Abandoned
Non-Patent Citations (4)
Title |
---|
JPN6009032943, OLIVER MICHAEL et al., ""High−throughput genotyping of single nucleotide polymorphisms using new biplex invader technology"", NUCLEIC ACIDS RESEARCH, 20020418, Vol. 30,No. 12, Pages. e53−1−e53−8, US, OXFORD UNIVERSITY PRESS * |
JPN6009032945, CUTLER DAVID J et al., ""High−Throughput Variation Detection and Genotyping Using Microarrays"", GENOME RESEARCH, 2001, Vol. 11,No. 11, Pages. 1913−1925, US, COLD SPRING HARBOR LABORATORY PRESS * |
JPN6009032947, LIVAK K J, ""Allelic discrimination using fluorogenic probes and the 5’ nuclease assay"", GENETIC ANALYSIS: BIOMOLECULAR ENGINEERING, 1999, Vol. 14, Pages. 143−149, US, ELSEVIER SCIENCE PUBLISHING * |
JPN6009032949, RANADE K. et al., ""High−Throughput Genotyping with Single Nucleotide Polymorphisms"", GENOME RESEARCH, 2001, Vol. 11,No. 7, Pages 1262−1268, US, COLD SORING HARBOR LABORATORY PRESS * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008533558A (en) * | 2005-02-10 | 2008-08-21 | アプレラ コーポレイション | Normalization method for genotype analysis |
JP5396081B2 (en) * | 2006-09-14 | 2014-01-22 | オリンパス株式会社 | Gene polymorphism analysis data reliability evaluation method and gene polymorphism analysis data reliability evaluation apparatus |
US8024155B2 (en) | 2006-09-14 | 2011-09-20 | Olympus Corporation | Sample data reliability evaluation method and sample data reliability evaluation apparatus |
WO2008032822A1 (en) * | 2006-09-14 | 2008-03-20 | Olympus Corporation | Sample data reliability evaluation method and sample data reliability evaluation device |
WO2009017204A1 (en) * | 2007-08-01 | 2009-02-05 | Olympus Corporation | Clustering method, program, and device |
JP5242568B2 (en) * | 2007-08-01 | 2013-07-24 | オリンパス株式会社 | Clustering method, program and apparatus |
JP2013530434A (en) * | 2010-04-08 | 2013-07-25 | ライフ テクノロジーズ コーポレーション | System and method for genotyping by searching angular composition |
WO2016157473A1 (en) * | 2015-04-01 | 2016-10-06 | 株式会社 東芝 | Genotype determination device and method |
GB2551091A (en) * | 2015-04-01 | 2017-12-06 | Toshiba Kk | Genotype determination device and method |
JPWO2016157473A1 (en) * | 2015-04-01 | 2017-12-21 | 株式会社東芝 | Genotyping apparatus and method |
CN107533591A (en) * | 2015-04-01 | 2018-01-02 | 株式会社东芝 | Genotype decision maker and method |
JP2019500706A (en) * | 2015-10-18 | 2019-01-10 | アフィメトリックス インコーポレイテッド | Single nucleotide polymorphisms and indel biallelic genotyping |
JP2017163890A (en) * | 2016-03-15 | 2017-09-21 | 株式会社東芝 | Genotype determination apparatus, genotype determination method and computer program |
Also Published As
Publication number | Publication date |
---|---|
AU2003247832A1 (en) | 2004-01-19 |
WO2004003234A2 (en) | 2004-01-08 |
WO2004003234A3 (en) | 2005-04-07 |
US20040126782A1 (en) | 2004-07-01 |
CA2490766A1 (en) | 2004-01-08 |
EP1535232A2 (en) | 2005-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005531853A (en) | System and method for SNP genotype clustering | |
Whalen et al. | Navigating the pitfalls of applying machine learning in genomics | |
Lähnemann et al. | Eleven grand challenges in single-cell data science | |
JP6883584B2 (en) | Integrated methods and systems for identifying functional patient-specific somatic abnormalities using multiomic cancer profiles | |
Wen et al. | Cross-population joint analysis of eQTLs: fine mapping and functional annotation | |
Zhou et al. | Match-only integral distribution (MOID) algorithm for high-density oligonucleotide array analysis | |
US20060122816A1 (en) | Computer systems and methods for subdividing a complex disease into component diseases | |
Snedecor et al. | Fast and accurate kinship estimation using sparse SNPs in relatively large database searches | |
JP2008511058A (en) | Data quality and / or partial aneuploid chromosome determination using computer systems | |
US20200327957A1 (en) | Detection of deletions and copy number variations in dna sequences | |
CN116864011A (en) | Colorectal cancer molecular marker identification method and system based on multiple sets of chemical data | |
Guha et al. | Bayesian hidden Markov modeling of array CGH data | |
CN116612814B (en) | Regression model-based batch detection method, device, equipment and medium for gene sample pollution | |
AU2022218581B2 (en) | Sequencing data-based itd mutation ratio detecting apparatus and method | |
US20220399077A1 (en) | Genotyping polyploid loci | |
JPWO2002048915A1 (en) | Methods for detecting associations between genes | |
Zararsiz et al. | Introduction to statistical methods for microRNA analysis | |
Morris et al. | Two algorithms for biospecimen comparison and differentiation using SNP genotypes | |
Aloqaily et al. | Feature prioritisation on big genomic data for analysing gene-gene interactions | |
Shi et al. | Gimscan: A new statistical method for analyzing whole-genome array cgh data | |
Shan et al. | BayesRB: a markov chain Monte Carlo-based polygenic genetic risk score algorithm for dichotomous traits | |
Sheha et al. | Detecting and analyzing copy number alternations in array-based cgh data | |
Zare | Developing Novel Copy Number Variation Detection Methods Using Emerging Sequencing Data | |
Agam | Detection of copy number variation in the mouse genome | |
CN117275575A (en) | Liquid phase chip pair SNP-based deep learning discrimination method for pig variety identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060517 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20090618 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090706 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20091005 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20091013 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20091015 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20091022 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100106 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100621 |